资料存取问题

充分利用AI的关键是建立一个“具有统一标准和跨平台共享的数据友好型生态系统。” AI依赖于可以实时分析并处理具体问题的数据。在研究界拥有“可用于探索的数据”是成功开发AI的前提。

根据麦肯锡全球研究所的一项研究，促进开放数据源和数据共享的国家最有可能看到AI的发展。在这方面，美国比中国具有实质优势。对数据开放性的全球评级显示，美国在全球总体排名第8，而中国为93。

但是目前，美国还没有统一的国家数据策略。很少有协议可以促进研究访问或平台的发展，从而可以从专有数据中获得新的见解。谁拥有数据或在公共领域拥有多少数据并不总是很清楚。这些不确定性限制了创新经济，并拖累了学术研究。在以下部分中，我们概述了改善研究人员数据访问的方法。

数据和算法偏差

在某些情况下，某些AI系统被认为启用了歧视性或偏见性做法。例如，Airbnb被指控在其平台上歧视种族少数群体的房主。哈佛商学院进行的一项研究项目发现，“使用具有明显非洲裔美国人名字的Airbnb用户被接待的可能性要比具有明显白色人名的用户低大约16％。”

面部识别软件也会出现种族问题。大多数此类系统通过将人的脸部与大型数据库中的一系列脸部进行比较来进行操作。正如算法正义联盟的Joy Buolamwini所指出的那样：“如果您的面部识别数据主要包含白种人的面孔，那么您的程序将学会识别这些内容。”除非数据库可以访问各种数据，否则这些程序在试图识别非裔美国人或亚裔美国人的特征。

许多历史数据集反映了传统值，这些值可能代表也可能不代表当前系统所需的首选项。正如布拉姆维尼（Buolamwini）所指出的，这种方法可能会重复出现过去的不平等现象：

自动化的兴起和对高风险决策的算法的依赖越来越大，例如是否有人获得保险，您拖欠贷款的可能性或某人的累犯风险，这是需要解决的问题。甚至入学决定也越来越自动化-我们的孩子去哪所学校上学以及他们有什么机会。我们不必将过去的结构性不平等带入我们创造的未来。

AI的道德和透明度

算法将道德考虑和价值选择嵌入程序决策中。这样，这些系统就自动决策中使用的标准提出了疑问。有些人希望对算法的功能以及做出的选择有更好的了解。

在美国，许多城市学校都基于各种考虑因素（例如，父母的偏爱，邻里质量，收入水平和人口背景），使用算法进行入学决策。布鲁金斯大学的研究员乔恩·瓦兰特（Jon Valant）说，新奥尔良的布里科拉奇学院（Bricolage Academy）“将经济弱势的申请者的优先权提高到其可用席位的33％。不过，实际上，大多数城市都选择了优先考虑当前学生，在校学生的子女以及居住在学校广阔地理区域的家庭中的兄弟姐妹的类别。考虑到这一点，入学选择可能会有很大不同。排序发挥作用。

根据AI系统的设置方式，它们可以促进抵押贷款申请的重新编排，帮助人们歧视自己不喜欢的个人，或者根据不公平的标准帮助筛选或建立个人花名册。就系统如何运行以及它们如何影响客户而言，编程决策中考虑的因素类型非常重要。

出于这些原因，欧盟将于2018年5月实施通用数据保护条例（GDPR）。规则明确规定，人们有权“选择退出个性化定制广告”，并且“可以对由演算法”以及“如何吸引人为干预”的形式来解释该算法如何产生特定结果。每个指南旨在确保对个人数据的保护，并为个人提供有关“黑匣子”如何运作的信息。

AI的法律责任

关于AI系统的法律责任存在疑问。如果存在危害或违规行为（对于无人驾驶汽车，则是死亡事故），该算法的运营商很可能会属于产品责任规定。大量判例法表明，情况的事实和情况决定了赔偿责任并影响了所施加的处罚种类。罚款的范围从民事罚款到重大伤害监禁不等。亚利桑那州与Uber有关的死亡将是法律责任的重要测试案例。该州积极招募Uber对其自动驾驶汽车进行测试，并在道路测试方面给了公司很大的自由度。在此案中是否会提起诉讼以及被起诉的人还有待观察：诸如备用司机，发生事故的亚利桑那州菲尼克斯社区，Uber公司，软件开发商或汽车制造商。考虑到路试涉及的人员和组织众多，有许多法律问题需要解决。

在非交通领域，数字平台通常对其站点上发生的事情承担有限责任。例如，对于Airbnb，该公司“要求人们同意放弃起诉权，或参与任何集体诉讼或集体仲裁，以使用该服务。”通过要求其用户做出牺牲由于公司拥有基本权利，因此限制了消费者的保护，因此削弱了人们抵抗因不公平算法而产生的歧视的能力。但是中立网络的原则在许多领域是否成立尚待广泛确定。

IV、推荐和建议

为了在创新与基本人类价值观之间取得平衡，我们提出了一些有关人工智能发展的建议。这包括改善数据访问，增加政府对AI的投资，促进AI劳动力发展，建立联邦咨询委员会，与州和地方官员接触以确保他们制定有效的政策，规范广泛的目标而不是特定的算法，将偏见视为人工智能问题，维持人类控制和监督的机制，并对恶意行为进行惩罚并促进网络安全。

改善数据访问

美国应制定促进创新和保护消费者的数据战略。目前，在数据访问、数据共享或数据保护方面还没有统一的标准。几乎所有数据本质上都是专有数据，并未与研究团体广泛共享，这限制了创新和系统设计。人工智能需要数据来测试和提高其学习能力。没有结构化和非结构化数据集，几乎不可能获得人工智能的全部好处。

通常，研究社区需要更好地访问政府和商业数据，尽管要采取适当的保护措施以确保研究人员不会像Cambridge Analytica对Facebook信息那样滥用数据。研究人员可以通过多种方式获得数据访问权限。一种是通过与拥有专有数据的公司的自愿协议。例如，Facebook最近宣布与斯坦福大学经济学家拉吉·切蒂（Raj Chetty）建立合作伙伴关系，利用其社交媒体数据探索不平等现象。作为安排的一部分，研究人员被要求进行背景调查，并且只能访问安全站点中的数据，以保护用户的隐私和安全。

在美国，在数据访问，数据共享或数据保护方面没有统一的标准。几乎所有数据本质上都是专有数据，并未与研究团体广泛共享，这限制了创新和系统设计。

长期以来，Google一直以汇总形式向研究人员和公众提供搜索结果。通过其“趋势”网站，学者可以分析诸如对特朗普的兴趣，对民主的看法以及对整体经济的看法等主题。这有助于人们追踪公众利益的动向，并确定激发公众兴趣的主题。

Twitter通过应用程序编程接口（通常称为API）将大部分推文提供给研究人员。这些工具可帮助公司外部的人员构建应用程序软件并利用其社交媒体平台中的数据。他们可以研究社交媒体传播的模式，并了解人们对当前事件的评论或反应。

在某些具有明显公共利益的部门中，政府可以通过建立共享数据的基础结构来促进协作。例如，美国国家癌症研究所率先提出了一种数据共享协议，在该协议中，经过认证的研究人员可以使用从临床数据，理赔信息和药物疗法中获得的去识别信息来查询其拥有的健康数据。这使研究人员能够评估功效和有效性，并就最佳医疗方法提出建议，而不会损害个别患者的隐私。

可能存在将政府和业务数据集结合起来以提高系统性能的公私数据合作伙伴关系。例如，城市可以将乘车共享服务中的信息与其自身在社会服务位置，公交线路，公共交通和高速公路拥堵方面的资料相结合，以改善交通状况。这将有助于大都市地区处理交通阻塞问题，并有助于高速公路和公共交通的规划。

这些方法的某种组合将改善研究人员，政府和企业界的数据访问权限，而不会影响个人隐私。正如NVIDIA副总裁Ian Buck所说：“数据是驱动AI引擎的燃料。联邦政府可以访问大量的信息资源。公开访问这些数据将有助于我们获得深刻的见解，将改变美国的经济。”通过其Data.gov门户，联邦政府已经将超过23万个数据集放入公共领域，这推动了创新并提供了帮助。人工智能和数据分析技术的改进。私营部门还需要促进研究数据的访问，以便社会可以充分利用人工智能的利益。

增加政府对AI的投资

根据OpenAI的联合创始人Greg Brockman的说法，美国联邦政府仅在非机密AI技术上投资了11亿美元。远远低于中国或其他主要国家在这一研究领域的投入。由于AI的经济收益是巨大的，因此这一不足之处是值得注意的。为了促进经济发展和社会创新，联邦官员需要增加对人工智能和数据分析的投资。更高的投资可能会在经济和社会效益方面收回很多倍。

促进数字教育和劳动力发展

随着AI应用在许多领域的加速发展，至关重要的是，我们必须重新构想我们的教育机构，以应对AI将无处不在且学生需要与他们目前所接受的培训不同的世界。目前，许多学生尚未获得有关AI主导环境所需的各种技能的指导。例如，当前缺少数据科学家、计算机科学家、工程师、编码人员和平台开发人员。这些是供不应求的技能。除非我们的教育系统能培养更多具有这些能力的人，否则它将限制AI的发展。

由于这些原因，州和联邦政府都一直在投资AI人力资本。例如，2017年，美国国家科学基金会（National Science Foundation）资助了6,500多名计算机相关领域的研究生，并发起了一些新计划，旨在鼓励从学前教育到高等教育和继续教育的各个层面的数据和计算机科学。目标是建立更大的AI和数据分析人员流水线，以使美国能够充分利用知识革命的全部优势。

但是学习本身的过程也需要进行实质性的改变。AI世界不仅需要技能，还包括批判性推理、协作、设计、信息的可视显示和独立思考等技能。人工智能将重新配置社会和经济的运作方式，并且需要“大局”思考这对道德，治理和社会影响的意义。人们将需要具有广泛思考许多问题并整合来自许多不同领域的知识的能力。

IBM的Teacher Advisor计划是为学生为数字未来做好准备的新方法的一个例子，该计划利用Watson的免费在线工具来帮助教师将最新知识带入课堂。它们使讲师能够在STEM和非STEM领域中制定新的课程计划，查找相关的教学视频，并帮助学生充分利用课堂。因此，它们是需要创建的新教育环境的前身。