本文提供了针对 National Security Commission on Artificial Intelligence (NSCAI) 关于负责任开发和部署人工智能的主要考虑因素的建议，重点在于要将 “负责任 AI” 作为常规而不是例外，并提供了一套可操作的框架来实现这一目标。

Jan, 2021

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

提出了一个框架，将信息安全领域和安全开发生命周期的概念应用到人工智能系统的开发中，以解决公正度、可解释性和科技伦理等方面的问题。

Mar, 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

通过分析可解释的人工智能、可信的人工智能和道德人工智能等三个主要概念，本研究定义了负责任的人工智能并确定了其核心原则。方法论上，成功地将人工智能的能力应用于文献计量学，以加强知识发现，并通过领域见解对实验模型进行交叉验证。在实证方面，本研究调查了自 2015 年以来人工智能社区贡献的 17,799 篇研究文章，揭示了负责任人工智能的主题和层次结构，并阐明了责任原则与主要人工智能技术之间的相互作用。作为一项旨在探索负责任人工智能的先驱性文献计量研究之一，本研究将提供综合的宏观洞察，加深对负责任人工智能的理解，并为人工智能监管和治理倡议提供宝贵的知识支持。

May, 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

本文提出了两个新的软件库，即 hydra-zen 和 rAI-toolbox，这两个库旨在解决对负责任的人工智能工程的关键需求，包括使复杂的 AI 应用程序可配置，并使它们的行为可复现，以及以可扩展的方式评估和增强 AI 模型的鲁棒性。

Jan, 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

本文提供了人工智能和机器学习领域数据许可的分类，以建立类似于开源软件许可证的通用框架。新的数据许可语言 —— 蒙特利尔数据许可证（MDL）以及配套的基于 Web 的工具可以奉行本文所阐述的税 onomies。其目的是通过增加透明度，解决现有许可证文本中概念上的模糊之处，从而在 AI 和 ML 领域带来更清晰的工具和概念，使数据市场更公平，更有效。

Mar, 2019

阐述了人工智能和机器学习技术在改善社会的同时，由于潜在的风险和固有的特征会导致安全和基本权利受到威胁，并提出需要改进现有的责任制度以保护受害者的利益的观点。

Nov, 2022