AI 技术快速发展的同时，对数字市场巨头风险的关注也在增加。欧盟的数字市场法案 (DMA) 旨在应对这些风险，但目前的框架可能还不足以覆盖可能成为 AI 服务入口的生成式 AI 系统。本文主张将某些 AI 软件作为核心平台服务集成，并将某些开发者归为 DMA 下的守门人。我们还提出对守门人义务的评估，以确保其覆盖生成式 AI 服务。随着欧盟考虑生成式 AI 特定规则和 DMA 可能的修正案，本文为生成式 AI 服务的多样性和开放性提供了深入洞察。

Jul, 2023

AI Act 试图在 AI 模型的设计阶段，将非歧视责任与算法公平两个概念联系起来，以缓解结构性的不平等问题，并提出了对于偏见检测和偏见修正的实际应用和技术要求方面的建议。

Mar, 2024

通过对非歧视法的案例进行研究，提出了一种指标条件人口差异（CDD）来衡量机器学习中的公平性，此举可促进机器学习中公平性考虑，并尊重欧盟非歧视法中的情境因素。

May, 2020

本研究旨在分析欧洲联盟的非歧视法与计算机科学领域先进的算法公正概念之间的重叠与区别，研究表明，当前的 AI 实践和非歧视法存在的局限性，对 AI 从业者和监管者有着重要的启示。

May, 2023

本研究探讨了欧盟提出的《人工智能法案》中涉及的 AI 监管，特别关注了卫生保健等高风险领域中使用的 AI 系统的透明性和可解释性的要求。研究发现，XAI 解决方案与 AI 法案的要求存在显著差异，因此认为律师和 XAI 研究人员之间的合作至关重要。该研究讨论了 XAI 的法律关联性和 AI 法案和 GDPR 中的透明性和可解释性要求等四个主要问题。最终旨在促进学科间的研究，支持制定可持续监管，促进负责任的创新。

Feb, 2023

本文提出人机交互在法律上对算法系统的公平性、偏见与歧视、数据保护、透明度、自动偏见的减轻和理解以及处理后果的沟通等方面的作用。

Mar, 2018

该研究论文通过对 EU AI Act 的分类，开发了一个问卷，提供定量数据和洞见。数据分析显示了不同合规性类别下组织所面临的各种挑战，并研究了组织特征（如规模和行业）对合规性的影响。此外，论文还分享了被调查对象对 AI Act 内容和应用的常见问题的定性数据。论文认为在遵循 AIA 方面仍有改进空间，并提及了一个相关项目，试图帮助这些组织解决问题。

Jul, 2023

本文讨论了欧盟的《通用数据保护条例》对机器学习算法的潜在影响，包括限制基于用户级别预测因素做出决策的自动化决策的使用，, 并创建了 “解释权”，我们认为这为计算机科学家在设计避免歧视、能够解释的算法和评估框架方面提供了机会。

Jun, 2016

本研究旨在通过条件人口失调性 (CDD) 的公平性定义来评估公平度量和公平约束，在欧盟非歧视法律框架下支持公平上下文方法，并进行了数据分析，发现 AI 辅助决策在法律角度上具有公平性，取决于具体情况和法律理由。

Jun, 2023

欧盟人工智能法案是一项基于风险的前瞻性监管方法，旨在预防某些有害结果，并提倡对数据质量和人工监督进行批判性检查；我们建议将责任视为主要监管机制，并区分潜在危害的内生和外生因素，通过合理分配开发者和使用者之间的责任来减轻风险。

Nov, 2023