机构名称：
¥ 1.0
随着人工智能（AI）的兴起，对AI的关注，导致对安全，隐私，安全和公平性的危害正在加剧。尽管正在尝试制定法规的尝试正在进行，诸如《欧盟AI法》和2023年白宫行政命令之类的倡议持怀疑态度，但对此类法规的有效性充满了持怀疑态度。本文探讨了为AI应用程序解释性设计政策的跨学科范围，因为与欧盟一般数据保护法规相关的广泛讨论的“解释权”是模棱两可的。为了制定可解释性的实用指导，我们进行了一项实验研究，其中涉及在十个星期内具有AI和政策背景的研究人员之间的持续合作。目的是确定通过互际式的努力，我们是否可以就AI的解释性达成共识，该政策比目前的准则更清晰，更可行，更可行，更可执行。我们分享了九个观察结果，这些观察结果来自迭代政策设计过程，其中包括起草政策，试图遵守（或绕过它），并每周共同评估其有效性。主要观察结果包括：迭代和持续反馈对于随着时间的推移改善政策草案，在政策设计期间必要讨论合规性的证据，并且发现人类受试者的研究是一种重要的证据形式。这对政策制定者具有有希望的含义，表明可以实现对AI应用的实际和有效调节。我们以乐观情绪的注释，认为可以在适度的时间范围内实现有意义的政策，并且在政策设计方面的经验有限，这是我们团队中的学生研究人员所证明的。
调节机器学习应用中的解释性
主要关键词
相关文件推荐
