《论可解释的人工智能之制度构建》
本文是关于人工智能相关论文范文检索和人工智能相关毕业论文的格式范文.
二、构建可解释性人工智能的意义
在信息大爆炸的现代社会,通过技术可以利用的信息越来越多,但是人类能够全面掌握的信息比例日益降低,“不确定性”成为社会安全最大的威胁,“算法黑箱”是人类对于人工智能技术产生恐惧和担忧的根源.为了应对人工智能技术发展的风险,2019年6月,我国国家新一代人工智能治理专业委员会发布了《新一代人工智能治理原则——发展负责任的人工智能》,提出“人工智能系统应不断提升透明性、可解释性、可靠性、可控性,逐步实现可审核、可监督、可追溯、可信赖”,这是我国首个发布的人工智能治理框架和行动指南,而“可解释”成为其中的要求之一.此外,有学者认为可解释性的重要性远远超出了数据保护法,并深刻影响了使用机器学习模型的合同签订和侵权责任问题.⑥ 从负责任人工智能实现的主次路径而言,而“可解释”的人工智能应当成为各项治理目标得以实现的一项基石,因为其是保障用户实现相关权益的前提,是促进社会形成人工智能准确认知和建立良好信心的必然选择,是实现透明、可控、负责任人工智能发展的基础,也是人工智能成为一门科学的内在要求.
第一,“可解释”的人工智能是保障用户实现相关权益的前提.人工智能是服务于人类用户的新技术,为了避免用户的个人数据被人工智能滥用,近几年的个人数据保护相关立法特别强化了对自动化处理相关的规制,建立了用户对数据利用知情权和控制力相关的权利束.算法解释请求权脱胎于知情权但超越了知情权的构架,其重在保证算法决策的合理性和正当性⑦,有利于保障自然人知情权、决定权、查询权、删除权、更正权等一系列权利的实现.受到算法影响的个人只有在真正理解人工智能“如何作出决定和基于什么基础作出决定”的情况下,才能质疑特定决定或表达自己的观点.⑧ 信息不对称会使用户的基本权利基本无效⑨,如果一个人有改正的权利,他需要看到错误;如果一个人有权利反对歧视,他需要看到在一个决定中使用了什么因素.《中华人民共和国民法典》（以下简称《民法典》）第1037条在继承《中华人民共和国网络安全法》（以下简称《网络安全法》）第43条的基础上⑩,专门新增了“查阅权”,体现出知情权的重要意义,明确自然人可以向处理者查阅其信息内容及其被处理情况.2020年10月发布的《中华人民共和国保护法（草案）》（以下简称《保护法》）第25条进一步新增自动化决策解释权,即“个人认为自动化决策对其权益造成重大影响的,有权要求处理者予以说明”,故而在处理领域实现可解释人工智能成为法律拟定的要求.
第二,“可解释”是促进社会形成人工智能准确认知和良好信心的必然选择.在人工智能技术应用快速发展的同时,政策制定者、监管者、消费者等相关方均认为高新技术是一把双刃剑,警示我们在享受人工智能带给人类巨大进步与福利的同时,也需要防止风险、极化风险、异化风险、规制风险和责任风险.{11} 这种笼罩在人工智能发展过程中的阴霾,有时候会通过风险事故案例引发质疑,这些事故是处于正常误差范围之内,还是系统缺陷,往往没有各方认可的结论.由于人工智能实践应用能力的提升和范围的扩大,不时引发社会对于就业机会乃至于人类主体身份认知的担忧,但是人工智能在未来社会到底是人机协作还是取代人类缺乏细致的考虑.由于社会缺乏对人工智能的准确认识,我们对人工智能发展的担忧很多时候是在特定领域尚未发生社会风险下产生的,导致整个社会对于人工智能运行不确定性引发的“黑箱社会”{12} 和“机器人取代人”等问题产生了巨大的担忧,并存在风险类推蔓延的趋势.与此同时,由于对人工智能缺乏准确认知,社会对于人工智能发展速度的期望值在不断提高,而一旦这些期望值不能满足,我们可能再次进入人工智能兴趣和投资减少的时期,进而出现另一个“人工智能的冬天”.{13} 在此背景下,对人工智能系统为什么以某种方式工作的解释将有助于防止错误使用和消除一些对人工智能的误解,进而建立起社会各界对人工智能产业发展的准确认知和良好信心.
第三,“可解释”是实现透明、可控、负责任人工智能发展的基础.国内外对于人工智能的治理出现了很多立法呼吁,特别是算法问责制成为整个国际社会津津乐道的研究话题,以至于人工智能的专门立法将成为与数据保护法并立的格局.美国加州消费者隐私保护工作组组长阿拉斯泰尔·麦克塔曾经指出,数字化时代保护消费者隐私的三项基本原则,分别是透明度（Transparency）原则、可控（Control）原则、负责任（Accountability）原则,这三大原则也已经成为智能化社会通用的三项基本原则.在人工智能的技术环境中,我们所需要的透明度是为了获得易懂的知识帮助用户理解所处的智能空间正在发生什么,所需要的可控是为了保障人工智能的运行处于监管之下而能够根据需要进行人工干预,所需要的负责任是为了明确人工智能各个相关方的职责从而让风险后果能够有效分担,通过“可解释”的人工智能提供专业知识支撑是实现这些目标的共同基础.目前,可解释性是人工智能技术在金融决策支持、自动驾驶、医疗、司法等“高风险”领域应用模型的基础{14},不具备可解释性的人工智能技术将在很多领域无法转化为实际应用的产品.
第四,“可解释”是人工智能成为一门科学的内在要求.有观点认为,算法的“准确性”和“可解释性”始终负相关,容易向人类解释的算法的准确性往往低于难以理解的算法{15},这一结论也在一些算法的测试中得到了验证.{16} 然而,可解释性不仅仅是法律合规的需要,同时也是解决确认和解决机器学习模型中的盲点的必然要求.{17} 爱因斯坦说：任何科学都是从世界的合理性和可理解性这种坚定的信念出发的.{18} 自然界的因果规律是确实存在的,且这种规律是可以认识的,具有可解释性是自然科学成为先验认识论的基础,否则那些关于实在的外部世界假设就毫无意义.面对当代人工智能缺乏可解释性的现状,甚至有学者提出：当前的人工智能并不能称为科学,也并未形成基础坚实的学科.{19}为了提高人工智能技术的科学理论水平,在近年来的计算机科学领域顶级学术会议中,关于可解释性人工智能（Explainable Artificial Intelligence, XAI）的研究已经成为重要议题,通过可解释性研究可以检测并糾正训练数据集中的偏差,通过对抗性干扰来促进模型的鲁棒性,确认变量的意义并确保模型推理中存在潜在的真实因果关系.{20} 由于可解释的人工智能存在法律和技术的正向促进关系,构建可解释的人工智能制度也便具有更深层次的合理性和必要性.
归纳上文：该文是一篇关于人工智能方面的毕业论文范文,可作为人工智能相关论文开题报告范文和职称论文写作参考文献资料.
人工智能引用文献:
[1] 计算机人工智能专业论文题目 计算机人工智能专业论文题目如何拟
[2] 比较好写的人工智能论文题目 人工智能论文题目怎么定
[3] 计算机人工智能学论文参考文献 计算机人工智能英语参考文献哪里找
