AI - 基于安全关键系统（AI-SCS）在现实世界中的部署越来越多。降低风险是开发和运营中的首要任务。本文考虑了责任的不同方面（角色、道德、法律和因果关系），以及它们在 AI-SCS 安全背景下的应用。我们使用一个核心概念（演员（A）对事件（O）负责）来创建角色责任模型，从而产生了一种捕捉责任关系并澄清以前已知的责任问题的实用方法。通过对事故案例和基于 AI 的糖尿病并发症预测器的安全性分析，我们的主要目标是在安全性方面减少对操作员或开发人员的不公平或不成比例的责备。我们提出了进一步研究的讨论和方向。

Dec, 2023

伴随着越来越多具有重大伦理维度的决策外包到 AI 系统中，有必要找到一个可应用于 AI 系统的道德责任定义。本研究基于因果模型的框架提出了一种正式的道德责任定义，包括因果条件和认识条件。并将该定义与 BvH 和 HK 的现有方法进行比较，进而将其推广为一种责任度量。

Oct, 2023

人工智能引入的广泛整合在涉及 AI 系统的事件中引入了复杂的责任和问责挑战；本文提出了一种计算反思均衡方法，为所有利益相关者建立了一个连贯和道德可接受的责任归因框架，结合案例研究展示了该框架在责任归因过程中的可解释性、连贯性和适应性。

Apr, 2024

人工智能的应用不仅依赖基础研究和技术发展，更需要关注其公平性、透明度和隐私问题。为了确保 AI 的合理应用，我们需要制定技术、社会、制度和法律方法和工具，提高所有人的参与度和意识，确保 AI 系统与我们社会的原则和价值观一致。

May, 2022

我们的研究旨在推进负责任的人工智能（AI）的概念，这是欧盟政策讨论中日益重要的主题。我们提出了一种全面且目前为止我们所知的第一个负责任 AI 的统一定义。通过结构化文献综述，我们阐明了关于负责任 AI 的当前理解，并基于该分析提出了未来以此概念为中心的框架发展方法。我们的发现支持以人为中心的负责任 AI 方法，其中包括以伦理、模型可解释性以及隐私、安全和信任为支柱的 AI 方法的实施。

Mar, 2024

本文提供了一种基于多声学文献综述 (Multivocal Literature Review，MLR) 结果的负责任 AI 模式目录，该目录系统地提供了适用于 AI 系统利益相关者的模式，以确保开发的 AI 系统在整个治理和工程生命周期内负责任。

Sep, 2022

人工智能系统的伦理责任是对其可能用于冲突应用的非军事应用进行理论分析和实践方法的介绍，包括通过建立多视角能力测试、集成数字水印和利用监测与报告机制来减轻开发者的道德责任。

Jan, 2024

本文旨在探讨在医疗保健领域中负责任的 AI 所面临的问题、实施的解决方案以及未来的研究方向。我们针对两个实验室的工作阐述了与不确定性的医疗数据和机器建议有关的两个主题以及在线健康信息混乱问题。

Feb, 2022

通过系统文献综述，我们发现了一个缺失的元素 - 系统级指导。为了促进设计负责任的人工智能系统，本文提出了设计模式的总结。

Mar, 2022

提出了可信人工智能的七个技术要求和三个主要支柱的构建方法，并考虑到了系统整个生命周期中的所有过程和角色的可信性。同样，还介绍了通过审核过程提高人工智能系统的责任的概念，以及为了未来社会进步而必须面对的规制辩论。

May, 2023