弥合AI知识鸿沟

AI研究人员不仅采用科学方法，还采用数学和工程学的方法论。然而，科学方法——特别是假设检验——在AI中的使用通常服务于工程目标。对公平性和算法偏见等主题日益增长的兴趣表明，以工程为核心的问题仅构成关于AI系统重要问题的一个子集。这导致了AI知识鸿沟：独特AI系统的增长速度超过了表征这些系统行为的研究数量的增长速度。为了弥合这一鸿沟，我们认为AI研究将受益于更多地引入那些能够很好地提出并检验关于AI系统行为假设的研究人员。我们考察了阻碍社会和行为科学家开展此类研究的障碍。我们的诊断表明，加速对AI系统的科学研究需要学术界和工业界的新激励，并通过新的工具和机构来促成。为了满足这些需求，我们提出了一个名为TuringBox的双边市场。一方面，AI贡献者上传现有和新颖的算法供他人进行科学研究。另一方面，AI检验者开发并发布旨在评估和表征算法行为的机器智能任务。我们讨论了该市场在普及AI行为科学研究方面的潜力，从而缩小AI知识鸿沟。