美国众议院代表福斯特(Foster),特遣部队成员,感谢您主持有关人工智能道德的重要听证会,并给了我有机会提交这一证词。我的名字叫梅雷迪思·布鲁萨德(Meredith Broussard),我是亚瑟·卡特(Arthur L. Carter)纽约大学的副教授,纽约大学公共利益技术研究总监,以及纽约大学数据科学中心的分支机构。我也是本书的作者,《人为的不知情:计算机如何误解了世界》,该世界被广泛用作AI伦理课程的文本。我的职业生涯始于AT&T Bell Labs和MIT Media Lab的计算机科学家,然后转向新闻业,我现在使用数据和代码教授调查新闻。作为我的研究的一部分,我为调查报告创建了人工智能,并且我围绕计算素养进行了许多科学沟通工作,以使人们能够了解越来越多地用于代表我们做出决定的算法。我还咨询商业系统算法审核;我正在努力开发一个监管沙箱,以审核AI系统的法律合规性;我为早期和中期学者创建了一个名为NYU公共利益技术研究所的夏季计划。在这一证词中,我将探索一个实用的监管人工智能的愿景,该愿景基于已经在该委员会面前提出的广泛证词。我会做一些事情:
人工智能偏见尤其会影响受歧视的群体和少数群体。Broussard (2023) 解释了人工智能主导的算法和程序如何加剧针对黑人和酷儿群体的数据偏见,例如跨性别者被身体扫描仪标记为“异常”,或者社交媒体平台无法对性别不符身份进行分类 [8]。另一个例子是伪科学技术,它错误地声称可以根据个人的性别认同 [9] 和/或性取向 [10] 来识别个人。在 FIMI 的背景下,这种自动化且看似“中立”的程序可能会被滥用,用于针对个人和特定社区。此外,已经显而易见的是,日益自动化(和有偏见)的内容审核系统对 LGBTIQ+ 社区产生了不成比例的影响 [11]。需要更多研究来了解这对针对 LGBTIQ+ 社区的 FIMI 有何影响 [12]。
观点。“我们有意营造一种包容、创新和多元化的企业文化,因此,我们的员工认识到这一点并做出积极响应,这让我感到自豪,”OCI Solar Power 总裁 Sabah Bayatli 表示。“他们使我们成为行业领导者,并继续为公司注入活力。”10 月 19 日,Bayatli、业务发展执行副总裁 Timothy Heinle、人力资源和总务副总裁 Robert Mendoza 以及人力资源高级经理 Melissa Broussard 在 Top Golf 举行的非正式仪式上接受了公司首个最佳工作场所奖。获奖者完整名单刊登在 10 月 22 日的《圣安东尼奥快报》上。该报和 Energage 在过去 15 年里一直在合作开展最佳工作场所计划。
每个 MSA 中都有经济开发商、港口人员和协会负责人渴望与我们分享重要信息。这些出色的消息来源包括 Michael Hecht、Harrison Crabtree、Craig Spohn、David Doss、Adam Knapp、Kate MacArthur、Andrew Fitzgerald、Russell Richardson、David Broussard、Scott Gammel、George Swift、Jim Rock、Kevin Melton、Amanda Deblanc、Rich Self、Courtney Bryan、Eric England、Bob Fudickar、Vic Lafont、Mike Tarantino、Chett Chassion、Larry Deroussell、Dale Logan、Jason French、Dawn Cole、Connie Fabre、Lynn Hohensee、Sue Nickels、Katy LeBlanc、Rocky Rockett、Paul Sawyer、Lane Callaway、Liz McCain、David Bennett、Craig Romero、Brandy Christian、Ronald Wendell、Debra Randolph、Zazell Dudley、Julia Fisher、Gloria Pigner、Michelle Hall、John Paul Domiano、Creed Romano、Buck Vandersteen、Zach Nagar、Stacey Zawaki 和 Stephen Price。
在这篇简短的观点文章中,我提出了一些想法,即我们如何将人类与人工智能算法之间的协作决策概念化为组织设计中的一个问题。虽然人类与人工智能算法之间可能存在多种交互形式,但这里的论点与知识工作最相关,在知识工作中,人类和人工智能算法通过某种形式的协作,共同做出由第三方实施的决策(例如选股、投资、判刑、筛选候选人)。我将这些情况称为“人机协作决策”(或 HACD)。这些论点也可能适用于人类训练人工智能算法(例如,通过观察人类驾驶来学习的自动驾驶汽车)或反之亦然(例如,基于聊天机器人的语言学习应用程序)的情况,或使用算法来改善人与人之间的匹配(例如,社交媒体平台上的朋友建议),但需要一些我在这里没有涉及的其他考虑因素。在下文中,我将“人工智能”和“算法”这两个术语与“机器学习”(ML)互换使用。我知道并非所有算法都是人工智能,也并非所有人工智能都是机器学习(Broussard 2018;Raj and Seamans 2019),但我的
先例,研究发现态度可以塑造个人行为和对其他新兴技术的公共政策(Brossard & Nisbet,2007;Goidel & Nisbet,2006;Nisbet,2005;Scheufele & Lewenstein,2005)。最近的调查显示,美国公众认为人工智能既有潜在的好处,也有风险(Northeastern University & Gallup,2018;West,2018;Zhang & Dafoe,2019)。这些调查还表明,不同政治和人口统计学领域对人工智能的看法不同。然而,现有研究较少关注不同形式的沟通对公众对人工智能的态度的影响,或他们在这样做的过程中相互交流的可能性。尽管多种类型的交流都可能影响这种态度,但以下说明重点关注三种可能的因素:新闻报道、科幻小说和人际讨论。先前的研究表明,这些因素中的每一个都可以影响对其他新兴技术的态度(Besley & Shanahan,2005;Brossard & Shanahan,2003;Ho et al.,2013;Lee & Scheufele,2006;Liu & Priest,2009;Nisbet & Goidel,2007)。在本案例中,研究强调了新闻和科幻小说如何为理解人工智能提供故事情节。例如,新闻报道可以鼓励观众将技术视为进步的工具,或者将其视为对人类的生存威胁(Broussard 等人,2019 年;Chuan 等人,2019 年;Obozintsev,2018 年)。同样,科幻电影和电视节目可能会强化人们对人工智能的威胁性或良性的印象(Nader 等人,2022 年;Obozintsev,2018 年;Perkowitz,2007 年)。与此同时,公众也可以利用人际对话来理解技术(Gamson,1992 年),包括人工智能(Cui & Wu,2021 年)。通过研究这些可能性,本研究推进了关于公众对人工智能的看法形成因素的认识,同时扩展了对新兴技术传播和态度的更广泛理论解释。它借鉴了框架理论(Entman,1993;Gamson & Modigliani,1989;Reese,2001)来考虑公众如何看待人工智能,以及新闻媒体的使用如何预测观众对人工智能的“思维框架”和态度。在考察科幻小说观看和谈论技术对人工智能态度的影响时,该研究还基于特定媒体类型(Besley & Shanahan,2005;Nisbet & Goidel,2007)和人际沟通(Gamson,1992;Ho et al.,2013;Liu & Priest,2009)如何影响对科学和技术的态度。此外,本研究还开发了一个互动沟通对新兴技术态度影响的模型。虽然大多数关于沟通对此类态度影响的研究都侧重于独立影响,但一小部分研究强调了沟通过程的潜力