XiaoMi-AI文件搜索系统
World File Search System解释性
人工智能的可解释性
在人工智能 (AI) 将在社会中扮演越来越重要角色的时代，保持一定程度的人类对 AI 系统的控制至关重要。可解释性（广义上定义为对 AI 系统如何运作和做出决策的理解或解释水平）是这种人类控制的核心组成部分。然而，学术界、伦理学家和立法者迄今为止未能就 AI 领域的可解释性监管单一策略达成一致。这份由我们的欧洲智库编写的政策简报综合了学术见解和国际监管方法，为美国政策制定者提出了可实施的建议。我们的目标是在道德要求和实际考虑之间取得平衡，确保 AI 技术的透明度、问责制和社会信任。在研究了当前对“白盒”和“黑盒”人工智能系统中透明度概念的理解之后，本文分析了组织和国家如何寻求定义和规范人工智能的可解释性，特别关注欧盟、中国和美国。经过分析，出现了三种主要的政策策略，并考虑了它们的优势和局限性。受欧盟近期监管努力的启发，本文建议对人工智能的可解释性采取一种平衡的方法，即根据风险水平规范人工智能治理，承认技术限制，同时确保问责制和透明度。我们提出了美国国会在制定人工智能立法时应考虑的四项关键政策策略：
解释性声明 - AEMC
RRO 是零售商远期合同的一项义务。RRO 于 2019 年 7 月 1 日开始实施，为市场参与者提供更强大的激励，使其在需要的地区投资正确的技术，以支持 NEM 的可靠性。AEMO 将在未来五年内确定每个 NEM 地区与 IRM 之间是否存在任何潜在的可靠性差距。如果 AEMO 在三年零三个月后发现存在重大差距，零售商将有义务签订足够的合格合同，以覆盖两年中一年的峰值需求份额。20 AEMC 最近完成了对 RRO 的审查，并提出了十二项建议，以改进 RRO 的运作，帮助减轻市场参与者的监管负担和消费者的成本。21
人工智能可解释性白皮书
- 从数据中可以了解到虚假相关性，这通常会妨碍模型的泛化能力并导致糟糕的现实世界结果。 - 失去可调试性和透明度，导致信任度低以及无法修复或改进模型和/或结果。此外，这种缺乏透明度阻碍了这些模型的采用，特别是在受监管的行业，例如银行和金融或医疗保健。 - 代理目标导致模型离线执行（通常是匹配代理指标）与部署在应用程序中时的性能之间存在很大差异。 - 由于模型从业者在有问题的情况下本地调整模型行为的能力下降而失去控制。 - 不良的数据放大反映了与我们的社会规范和原则不一致的偏见。
解释性陈述2024 ...
根据《世界反兴奋剂法》第4.2.2条，“为了应用第10条的目的，所有禁止的物质均应指定规定的物质，除非被禁止清单中确定。不禁止方法是指定方法，除非被特异性识别为禁止列表中的指定方法。”根据对第4.2.2条所述的指定物质和方法的评论，以任何方式不应比其他掺杂物质或方法以任何方式不那么重要或更危险。相反，它们只是运动员更可能被运动员消耗或使用的物质和方法，而不是增强运动表现的目的。”
解释性跟踪总体规划
我们的家在正确的位置。没有更好的地方。我们在这里不受任何耕种乐队的安全。我们不必在湖里出去鱼。他们向我们游泳，我们要做的就是将它们从水中带出。一年中大部分时间的天气很好。当冬季中期变冷时，有很多庇护所，而且在这里比其他地方更容易找到各种干木。白桦树在哪里有更多的树皮？鸟类在哪里柔和的羽毛，动物在哪里有更丰富，更温暖的毛皮？我不会在任何其他地方生活也不会满足。在这里很棒。如果一个人去东方，他在大湖上航行了几天，免受所有危险，看到新的土地并享受新鲜空气。如果一个人走到西，他来到了一条大河，湖上没有米饭的尽头。，如果他走得更远，他就离开了森林，去了一家大草原，布法罗漫游。如果有人向南，他发现一百个溪流到了海狸和某些不进入湖泊的好小鱼。SAP没有枫树的末端，而且许多甜果。如果一个人走向北部，他看到驼鹿几乎和布法罗一样容易获得。安全营地有许多好地方。，这是所有美好事物的中心。不要哄我离开，因为那会浪费呼吸。”
人工智能可解释性实践
如果没有各合作伙伴和合作者的支持和努力，这本工作手册的创作就不可能实现。一如既往，艾伦图灵研究所公共政策项目伦理主题研究团队的所有优秀成员从几年前开始就一直为该项目提供重要且无可比拟的支持，我们的公共政策项目联合主任 Helen Margetts 和 Cosmina Dorobantu 也是如此。我们非常感谢 Conor Rigby，他领导了这本工作手册的设计，并在其迭代过程中提供了非凡的反馈。我们还要感谢为本文档创建了各种插图的 Johnny Lighthands，以及 Alex Krook 和 John Gilbert，他们的投入和见解帮助工作手册顺利完成。必须特别感谢苏格兰地方政府数字办公室、卡姆登议会的工作人员和居民、贾斯汀·格林（诺森比亚医疗保健 NHS 基金会信托）和 NHS 英格兰教育东北和北坎布里亚的在职研究生医生（PGDiT），以及安娜·纳克、阿尔迪·詹杰娃、梅根·休斯、罗莎蒙德·鲍威尔和塞缪尔·斯托克韦尔（艾伦·图灵研究所），他们帮助我们测试活动并审查本工作簿中包含的内容。