伤害的量化
人工智能
2026-05-07 v3
摘要
在早前的工作中,我们定义了定性的伤害概念:要么造成了伤害,要么没有。对于实际应用,我们常常需要量化伤害;例如,我们可能希望在一组可能的干预中选择伤害最小的一个。在这项工作中(该工作是早前会议论文的扩展版),我们发展了伤害的量化概念。我们首先在涉及单个个体的确定性背景下给出伤害的量化定义,然后考虑处理背景不确定性以及从单个个体的伤害概念推广到涉及个体伤害聚合的“社会性伤害”概念时所涉及的问题。我们表明,这样做的“显而易见”的方式(仅取单个个体的期望伤害,然后对所有个体的期望伤害求和)可能导致反直觉或不恰当的答案,并借鉴决策理论文献中的工作讨论了替代方案。最后,我们将我们的工作与近期关于精准医学背景下伤害问题的辩论联系起来。
引用
@article{arxiv.2209.15111,
title = {Quantifying Harm},
author = {Sander Beckers and Hana Chockler and Joseph Y. Halpern},
journal= {arXiv preprint arXiv:2209.15111},
year = {2026}
}
备注
Preprint: under submission