伦理地训练人工智能

在人工智能领域，最大的挑战之一是开发出不仅智能，而且行为符合与人类相一致的伦理规范和价值观的 AI 系统。一种方法是以法律典籍和判例法作为基础来训练 AI。本文探讨了这种方法，并审视了用于创建具有类人人类规范与价值观的 AI 的补充策略。我也曾以荷兰 AI 联盟的名义向司法与安全部提出过这一建议，并在我们受该部委委托撰写的一篇战略论文中阐述过。

使用 GAN 来识别漏洞

生成对抗网络（GAN）可作为发现立法空白的工具。通过生成超出现行法律范围的场景，GAN 可以揭示潜在的伦理困境或未被覆盖的情形。这使开发者能够识别并弥补这些漏洞，从而为 AI 提供更完整的伦理数据集以供学习。当然，我们也需要法律学者、法官、政治家和伦理学家来对模型进行精细调整。

伦理训练人工智能的可能性与局限性 

尽管以法律为训练基础是一个稳妥的出发点，但仍有若干重要的考量：

1. 规范与价值的有限表现 法律并未涵盖人类伦理的所有方面。许多规范和价值观由文化决定，未被正规文件明确规定。仅以法律为训练基础的人工智能可能会错过这些微妙但关键的方面。
2. 解释与语境 法律文本通常复杂且存在多种解释。若缺乏人类理解语境的能力，人工智能可能难以将法律在具体情境中以伦理负责的方式应用。
3. 伦理思维的动态特性 社会规范和价值在不断演变。今天被接受的事物明天可能被视为不道德。因此，人工智能必须具备灵活性和可适应性以应对这些变化。
4. 伦理与合法性 重要的是要承认，合法并不总等同于合乎伦理，反之亦然。人工智能应具备超越法律字面、理解伦理原则精神的能力。

在人工智能中实现人类规范与价值的补充策略

要开发出真正与人类伦理产生共鸣的 AI，需要更为全面的整体方法。

1. 融入文化与社会数据

通过让 AI 接触文学、哲学、艺术与历史，系统可以更深入地理解人类处境以及伦理问题的复杂性。

2. 人类互动与反馈

在训练过程中引入伦理学、心理学和社会学专家，可帮助完善 AI。人类反馈能提供细微差别并纠正系统的不足之处。

3. 持续学习与适应

AI 系统应设计为能从新信息中学习并适应不断变化的规范与价值观。这需要一个支持持续更新与再训练的基础设施。

4. 透明度与可解释性

确保 AI 决策透明且可解释至关重要。这不仅有助于建立用户信任，也使开发者能够评估伦理考量并在必要时调整系统。

结论

基于法律典籍和判例法来训练 AI 是朝着让系统理解人类规范与价值观的一步有价值的做法。然而，要创造出真正以类似人类方式行事的伦理 AI，仍需多学科的方法。通过将法律与文化、社会与伦理洞见相结合，并在训练过程中整合人类专业知识，我们可以开发出不仅聪明而且明智且富有同理心的 AI 系统。让我们来看看接下来的内容 未来 能够带来

补充资源：

• 关于人工智能的伦理原则与（不存在的）法律规范。 本文讨论了人工智能系统为达到可信赖性必须满足的伦理要求。 数据与社会
• AI治理解释：概述人工智能治理如何促进组织内伦理且负责任的AI实施。 AI人员培训 
• 负责任AI的三大支柱：如何遵守欧盟AI法规。 本文论述了根据欧盟新法规的伦理AI应用核心原则。 Emerce
• 以伦理责任培养AI研究人员：一个案例研究。 一项关于以伦理责任为重点培养AI研究人员的学术研究。 ArXiv