[论文解读] Unraveling the Nuances of AI Accountability: A Synthesis of Dimensions Across Disciplines
本文综合了人工智能问责制的跨学科研究，识别出六个核心主题——触发因素、责任主体、情境、论坛、标准和制裁——并将其组织为13个维度，以厘清人工智能系统中的问责场景。该研究提供了一个结构化、多学科的框架，以减少概念上的模糊性，并支持未来在人工智能治理与问责制方面的研究与实践。
The widespread diffusion of Artificial Intelligence (AI)-based systems offers many opportunities to contribute to the well-being of individuals and the advancement of economies and societies. This diffusion is, however, closely accompanied by public scandals causing harm to individuals, markets, or society, and leading to the increasing importance of accountability. AI accountability itself faces conceptual ambiguity, with research scattered across multiple disciplines. To address these issues, we review current research across multiple disciplines and identify key dimensions of accountability in the context of AI. We reveal six themes with 13 corresponding dimensions and additional accountability facilitators that future research can utilize to specify accountability scenarios in the context of AI-based systems.
研究动机与目标
- 为解决由于跨学科研究碎片化导致的人工智能问责制概念模糊问题。
- 从计算机科学、法律和信息系统等不同领域中识别并综合人工智能问责制的关键维度。
- 提供一个统一的、多学科的框架，以支持对人工智能系统中问责制的更清晰概念化与应用。
- 通过识别问责过程的促进因素与结构要素，支持研究人员和实践者设计问责机制。
提出的方法
- 对计算机科学、法律和信息系统领域中67篇同行评审论文进行了描述性文献综述。
- 基于Day和Klein（1987）的分类框架，应用主题分析法以识别并构建问责维度。
- 将研究发现综合为六个核心主题：触发因素、责任主体、情境、论坛、标准和制裁。
- 识别并讨论了增强问责制的促进因素，如系统透明度、治理结构和社会特征。
- 绘制维度之间的关系图，以突出情境依赖性（例如，情境如何影响论坛的选择）。
- 通过主题一致性检查以及与既定问责理论（如Bovens，2007）的一致性，验证了研究发现。
实验结果
研究问题
- RQ1在多个学术领域中，人工智能问责制的关键维度是什么？
- RQ2在现实的人工智能系统中，不同问责主题（如触发因素、责任主体和论坛）如何相互关联？
- RQ3哪些促进因素能够增强或阻碍基于人工智能的系统的问责制，以及如何在设计与政策中加以利用？
- RQ4当前人工智能问责制在概念上的碎片化如何阻碍研究与实践？
主要发现
- 识别出六个核心主题——触发因素、责任主体、情境、论坛、标准和制裁——作为人工智能问责制的核心，每个主题均细分为13个不同的维度。
- 研究发现，问责制并非单一概念，而是一个受语境、参与方和机制影响的多层次过程。
- 发现系统透明度、可审计性以及利益相关方参与等问责促进因素，能显著增强问责潜力。
- 文献表明，组织实体被广泛视为责任主体，但新兴的人工智开发模式（如云平台、开源社区）对这一假设构成挑战。
- 所提出的维度缺乏充分的实证验证，凸显了未来开展定性与定量研究的必要性。
- 该框架有助于法律、技术和社交视角在问责制上的更好对齐，为跨学科研究提供了共享术语。
更好的研究，从现在开始
从论文设计到论文写作，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。