فاکتورها و مکانیسم‌های ریسک اخلاقی در تصمیم‌گیری هوش مصنوعی

عنوان فارسی مقاله:فاکتورها و مکانیسم‌های ریسک اخلاقی در تصمیم‌گیری هوش مصنوعی

چکیده

در حالی که فناوری هوش مصنوعی (AI) می‌تواند رفاه و پیشرفت اجتماعی را افزایش دهد، همچنین معضلات تصمیم‌گیری اخلاقی مانند تبعیض الگوریتمی، سوگیری داده‌ها و پاسخگویی نامشخص را ایجاد می‌کند. در این مقاله، ما عوامل خطر اخلاقی تصمیم‌گیری هوش مصنوعی را از منظر تحقیقات کیفی شناسایی می‌کنیم، یک مدل فاکتور ریسک از ریسک‌های اخلاقی تصمیم‌گیری هوش مصنوعی با استفاده از نظریه ریشه‌یابی ایجاد می‌کنیم، و مکانیسم‌های تعامل بین ریسک‌ها را از طریق پویایی سیستم، بر اساس استراتژی‌های مدیریت ریسک پیشنهاد می‌کنیم ما متوجه شدیم که عدم قطعیت تکنولوژیکی، داده‌های ناقص و خطاهای مدیریتی، منابع اصلی خطرات اخلاقی در تصمیم‌گیری هوش مصنوعی هستند و مداخله عناصر حاکمیت ریسک می‌تواند به طور مؤثر ریسک‌های اجتماعی ناشی از ریسک‌های الگوریتمی، فناوری و داده را مسدود کند. بر این اساس، ما استراتژی‌هایی را برای مدیریت ریسک‌های اخلاقی در تصمیم‌گیری هوش مصنوعی از منظر مدیریت، تحقیق و توسعه پیشنهاد می‌کنیم.

ادامه مطلب

راهنمای خرید:

لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Ethical Risk Factors and Mechanisms in Artificial Intelligence Decision Making

Abstract

While artificial intelligence (AI) technology can enhance social wellbeing and progress, it also generates ethical decision-making dilemmas such as algorithmic discrimination, data bias, and unclear accountability. In this paper, we identify the ethical risk factors of AI decision making from the perspective of qualitative research, construct a risk-factor model of AI decision making ethical risks using rooting theory, and explore the mechanisms of interaction between risks through system dynamics, based on which risk management strategies are proposed. We find that technological uncertainty, incomplete data, and management errors are the main sources of ethical risks in AI decision making and that the intervention of risk governance elements can effectively block the social risks arising from algorithmic, technological, and data risks. Accordingly, we propose strategies for the governance of ethical risks in AI decision making from the perspectives of management, research, and development.