Loading...
机构名称:
¥ 2.0

摘要 机器学习的进步推动了人工智能决策算法在保释听证、医疗诊断和招聘等程序中的流行。学术文章、政策文本和普及书籍都警告说,这种算法往往不透明:它们没有为其结果提供解释。基于透明度和不透明度的因果关系以及最近关于因果解释价值的研究,我对不透明算法提出了道德担忧,但尚未在文献中得到系统的处理:当此类算法用于改变生活的决策时,它们会阻碍我们根据自己的目标和偏好有效地塑造我们的生活,从而破坏我们的自主权。我认为这种担忧值得更加密切的关注,因为它为算法决策的透明度呼吁提供了新的工具和新的挑战。

AI、不透明性和个人自主性

AI、不透明性和个人自主性PDF文件第1页

AI、不透明性和个人自主性PDF文件第2页

AI、不透明性和个人自主性PDF文件第3页

AI、不透明性和个人自主性PDF文件第4页

AI、不透明性和个人自主性PDF文件第5页

相关文件推荐

2024 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
2025 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
2024 年
¥1.0
2010 年
¥1.0
2022 年
¥1.0
2018 年
¥19.0
2024 年
¥1.0
2025 年
¥1.0
1900 年
¥1.0
2025 年
¥86.0
2023 年
¥1.0
2024 年
¥1.0
2017 年
¥1.0
2024 年
¥1.0