你的人工智能模型足够准确吗？严谨人工智能开发与欧盟人工智能法案背后的艰难抉择

技术与法律辩论经常暗示「准确性」是一个客观的、可测量的、纯粹的技术属性。本文挑战这一观点，表明评估人工智能性能从根本上依赖于依赖于语境规范的决策。这些技术规范选择对于严谨的人工智能部署至关重要，因为它们决定了哪些错误被优先处理、风险如何分配以及竞争目标之间的权衡如何解决。本文以2024年欧盟《人工智能法案》——该法案要求高风险系统达到「适当水平的准确性」——作为主要案例研究，提供了对塑造准确性定义、测量和评估的选择的法律-技术分析。我们识别并分析了任何稳健性能评估中的四个核心选择：（1）选择指标，（2）平衡多个指标，（3）使用代表性数据测量指标，以及（4）确定接受阈值。对每个选择，我们研究其与人工智能法案准确性要求及相关文档义务的关系，展示其技术实现如何嵌入关于可接受风险、错误和权衡的隐含或显式假设，并通过示例和相关技术标准讨论其对人工智能法案实际实施的影响。通过使准确性的技术规范维度显性化，本文为人工智能治理与监管的更广泛跨学科辩论做出贡献，并为监管人员、审计人员和开发人员提供了具体指导，帮助他们将（法律）安全要求转化为技术实践。