针对自主性中确保保障的挑战，召开了三场研讨会，旨在促进对学术界、产业界和政府利益相关者之间的理解和战略规划，以推动自主性的持续进步。

Oct, 2020

该研究论文提出了一种基于四个核心道德原则的框架 - 一个伦理保证论证模式 - 来结构化系统化地推理出在特定情境下使用给定的人工智能 / 自主系统的道德可接受性，以此来扩展和应用保证论证方法，从而获得使用 AI 和自主系统时的可接受道德保证。

Mar, 2022

对用户信任、影响因素和测量方法进行的 23 个实证研究的综述确认了定义信任的多种方法和用户特征对 AI 启用系统中的信任产生的影响等主题，从而为未来技术和设计策略、研究和举措提供了洞察。

Apr, 2023

本研究提供了一种系统的方法来将社会科学信任概念与建立在人工智能服务和产品上使用的机器学习技术相关联，探讨了四种类别的机器学习技术 (公平性、可解释性、可审计性和安全性) 如何影响人们的信任，并介绍了在 AI 系统生命周期的不同阶段建立信任的技术需求。

Nov, 2019

研究探讨了自主系统的信任度和相关标准，并提出了一个可用于自主系统的信任度评估框架的大纲。

May, 2023

人工智能在我们的日常生活中越来越广泛地使用，尤其在各种应用、服务和产品中。因此，从用户角度来看，对人工智能的信任或不信任变得非常重要。这篇论文通过系统文献综述，探讨了当前人工智能领域的信任概念，并研究了不同类型的人机交互中的信任以及其对不同领域的技术接受度的影响。此外，还提出了技术和非技术的可信度指标以及一些可信度衡量标准，并分析了一些人工智能中的主要破坏因素和信任建立因素，并为实现可信度从而实现人工智能的可靠过渡提出了一些未来的方向和可能的解决方案。

Mar, 2024

该文介绍了关于自主系统的可信度、规范和应用领域的高级智力挑战，强调了对功能、安全性、安全性和其他非功能属性等方面的顶层要求的关注。

Jun, 2022

自从上世纪 40 年代起，计算机的自动推理逐渐成为科学研究中越来越重要的工具。现阶段，通过机器学习技术从大量数据中推导出的规则成为了一种互补的方法，并在积极发展中。然而，我们对于为何应该相信这些系统以及通过其帮助获得的结果的问题，在科学哲学家的讨论中却一直未引起从业者的足够关注。本研究关注独立评审，作为对科学的信任的重要来源，并确定了影响自动推理系统可评审性的特征。同时，探讨通过技术和社会措施相结合的途径来增强推理系统的评审性和可信度。

Aug, 2023

通过探讨与保障支持因为设计而参数要求（例如安全性、安全性和可靠性）的合规性的确证缺陷检测、模式依赖以改善确证方案结构、改进现有确证方案符号以及（半）自动化确证方案生成等方面的挑战，提出了一些可能的解决方向。

Jan, 2024

本文对基于人工智能技术的系统的可验证性与数据存在的偏差问题进行了讨论，并提出了可信 AI 所需满足的一些属性和模型。

Jun, 2022