欧盟开始推进人工智能立法, 先出台了一份指导草案

http://www.qdaily.com/articles/62797.html?source=toutiao

 

最终目的是与 GDPR 一样有约束力

欧盟 AI 联盟发布了一份关于指导公司和政府部门应该如何研发和人工智能技术的草案,今年夏天将开始试执行。

欧盟介绍说,一些使用人工智能技术的应用程序可能会出现新的与道德和法律相关的问题,这份草案与通用数据保护条例(GDPR)的目的一样,是为了针对基于 AI 的应用程序有明确法律规范。这份草案将试点到 2020 年,目前欧盟还未公布具体的试点国家或公司名单,仅表示试点范围将广泛涵盖人工智能有关的利益相关方,包括国际组织或跨国公司。

这份草案内容共有 7 个方面:

  • 人类能动性和监督:人工智能技术应通过支持人类能动性和基本权利来实现社会平等,而不是减少、限制或误导人的自主性;
  • 稳健性和安全性:值得信任的人工智能技术应该是算法安全、可靠且足够强大,以便在这项技术的生命周期中可以处理会出现错误和矛盾的地方;
  • 隐私和数据监管:用户可以掌控自己的数据,并且不会用用户的数据来伤害或歧视他们;
  • 透明性:要确保人工智能技术的可追溯性;
  • 多元化、非歧视和公平:人工智能应该充分考虑人类的各种能力和要求,确保可访问性;
  • 社会环境福祉:人工智能技术应用于提升社会变革的积极性、增强环境生态的可持续性;
  • 问责制:应建立确保人工智能技术为其结果问责的制度。

欧盟 AI 联盟设立于 2018 年 6 月,由 52 名人工智能领域高级别的专家组成,他们是来自学术界、民间社会和工业界的代表,包括前法国数字委员会秘书长 Yann Bonnet、索邦大学机器人、人工智能和伦理学教授 Raja Chatila、诺基亚贝尔实验室深度学习研究组组长 Leo Kärkkäinen、Google 人工智能研究员 Jakob Uszkoreit 等。该联盟的主要职责是提出人工智能技术发展相关建议,并评估和制定下一代数字战略和法规。

他们于 2018 年 12 月提出了第一份关于人工智能道德准则的草案,并于 2019 年 1 月开始公开征求建议。目前这份草案规定的内容较宽泛,也还不具备约束力,仅是下一步制定相关法律法规的一个过渡步骤。AI 联盟成员数字版权组织 Access Now 的政策经理 Fanny Hidvégi 表示,这份草案为如何减少人工智能的潜在危害提供了一个实用的前瞻性视角。

除此之外,为了确保欧盟在下一代技术中的地位,欧盟自己也在筹备一个人工智能研发中心来研发技术和培养人才。上述人工智能道德准则也是欧盟在人工智能技术战略中的一部分。因此也有人质疑欧盟是想借法案来引导全球人工智能的发展方式。

 

近年来,关于人工智能技术道德准则相关的话题讨论越来越多。

2018 年 6 月,Google 因将其人工智能技术卖给政府和军队而受到舆论谴责,认为 Google 在将人工智能技术武器化并帮助政府进行监控。为了减缓舆论压力,Google 停掉了与美国军方在人工智能技术方面的合作,并发布了 7 项 Google 人工智能指导原则

今年 4 月,Google 还成立了一个 AI 道德委员会来为其提供与人工智能和其他新兴技术有关的伦理问题建议,但由于委员会成员存在争议,这个道德委员会成立一周就解散了。

近日,也有专家联盟开始呼吁亚马逊不要向美国执法机构出售人脸识别技术方案 Rekognition。理由是这套人脸识别技术方案对肤色识别有偏见,对肤色深的人性别识别准确率误差较大,所以担心警方在用这套方案时,会导致抓捕失误。

数据治理是确保数据准确性、可靠性、安全性、可用性和完整性的体系和框架。它定义了组织内部如何使用、存储、保护和共享数据的规则和流程。数据治理的重要性随着数字化转型的加速而日益凸显,它能够提高决策效率、增强业务竞争力、降低风险,并促进业务创新。有效的数据治理体系可以确保数据在采集、存储、处理、共享和保护等环节的合规性和有效性。 数据质量管理是数据治理中的关键环节,它涉及数据质量评估、数据清洗、标准化和监控。高质量的数据能够提升业务决策的准确性,优化业务流程,并挖掘潜在的商业价值。随着大数据和人工智能技术的发展,数据质量管理在确保数据准确性和可靠性方面的作用愈发重要。企业需要建立完善的数据质量管理和校验机制,并通过数据清洗和标准化提高数据质量。 数据安全与隐私保护是数据治理中的另一个重要领域。随着数据量的快速增长和互联网技术的迅速发展,数据安全与隐私保护面临前所未有的挑战。企业需要加强数据安全与隐私保护的法律法规和技术手段,采用数据加密、脱敏和备份恢复等技术手段,以及加强培训和教育,提高安全意识和技能水平。 数据流程管理与监控是确保数据质量、提高数据利用率、保护数据安全的重要环节。有效的数据流程管理可以确保数据流程的合规性和高效性,而实时监控则有助于及时发现并解决潜在问题。企业需要设计合理的数据流程架构,制定详细的数据管理流程规范,并运用数据审计和可视化技术手段进行监控。 数据资产管理是将数据视为组织的重要资产,通过有效的管理和利用,为组织带来经济价值。数据资产管理涵盖数据的整个生命周期,包括数据的创建、存储、处理、共享、使用和保护。它面临的挑战包括数据量的快速增长、数据类型的多样化和数据更新的迅速性。组织需要建立完善的数据管理体系,提高数据处理和分析能力,以应对这些挑战。同时,数据资产的分类与评估、共享与使用规范也是数据资产管理的重要组成部分,需要制定合理的标准和规范,确保数据共享的安全性和隐私保护,以及建立合理的利益分配和权益保障机制。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值