智能辅助系统伦理价值的测量
本文讨论了人工智能在医疗领域中的应用,特别是在医学图像分析中的最新进展、现有标准以及应用人工智能所需考虑的伦理问题和最佳实践。我们探讨了人工智能的技术挑战和伦理挑战,以及在医院和公共组织中部署人工智能的影响和关键技术措施。最后,我们提出了未来解决人工智能在医疗应用中的伦理挑战的建议和方向。
Apr, 2023
本文对人工智能伦理学的现状进行了批判性分析,并认为基于原则性伦理准则的这种治理形式不足以规范人工智能行业及其开发者。建议通过对人工智能相关专业人员的培训过程和增加对其行业的监管来实现根本性变革。为此,建议法律应从生物伦理学中获益,并将人工智能伦理学的探索成果在法律条文中加以明确规范。
Oct, 2022
通过基于塞恩和纳斯鲍姆的能力途径的框架,我们形成了一个道德概念和权益的网络,目的是让 AI 系统对利益相关者产生有意义的益处或帮助,从而提升他们推进生活计划和福祉的能力,同时维护他们的基本权利。我们表征了 AI 系统和其运作所影响的人之间道德可容许互动的两个必要条件,以及实现有意义益处理想的两个充分条件。同时,我们将这一理想与几种突出的故障模式进行对比,即构成不合理家长式主义、强制、欺骗、剥削和支配的社会互动形式。AI 在高风险领域中的事件增加凸显了这些问题的重要性,也迫使我们从一开始就采取伦理导向的方法来应对 AI 系统。
Aug, 2023
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
本文综述将人工智能应用到智能医疗产品(包括医疗电子设备)中所面临的伦理挑战,提出了传统医学领域伦理问题和人工智能驱动的医疗伦理挑战之间的区别,特别是在透明度、偏见、隐私、安全、责任、公平和自治方面。还概述了开放性挑战和建议,以促进伦理原则的整合到基于人工智能的智能医疗产品的设计、验证、临床试验、部署、监测、维护和退役中。
Nov, 2022
人工智能在教育测量中的整合革命了评估方法,通过机器学习和自然语言处理实现了自动化评分、快速内容分析和个性化反馈,为学生提供及时、一致的反馈和宝贵的学业表现洞察,从而增强了评估体验。然而,将人工智能应用于教育也带来了诸多伦理关切,涉及到有效性、可靠性、透明度、公平性和公正性等问题。算法偏倚和人工智能决策过程的不透明性等问题可能会将不平等问题持续下去并影响评估结果。为了应对这些关切,包括教育工作者、决策者和组织在内的各方利益相关者已制定了指南,以确保人工智能在教育中的道德使用。美国教育测量学会(NCME)的 AI 与教育测量特别兴趣小组(AIME)也致力于确立道德标准并推动该领域的研究。本文中,来自 AIME 成员的多样化团队审视了人工智能驱动教育测量工具的伦理影响,探讨了自动化偏倚和环境影响等重大挑战,并提出了解决方案,以确保人工智能在教育中的负责任和有效使用。
Jun, 2024