面向公共利益的人工智能发展：从抽象陷阱到社会技术风险

尽管在本科课程中传达伦理问题与社会背景以推进公共利益技术（PIT）目标已引起关注，但研究生层面的干预措施在很大程度上仍未被探索。这可能是由于不同人工智能（AI）研究脉络对其与社会背景接口的理解存在冲突。在本文中，我们追踪了AI研究三个不同子领域——AI安全、公平机器学习（Fair ML）与人在回路（HIL）自治——中社会技术探究的历史涌现。我们表明，对于每个子领域，对PIT的认知源于过去技术系统嵌入规范性社会秩序时所面临的特定危险。我们进一步审视这些历史如何决定各子领域对概念陷阱（如科学技术研究文献中所定义）的回应。最后，通过对这些当前各自孤立的领域的比较分析，我们提出了一份统一的AI社会技术研究生教学路线图。