无尽调校：一种旨在避免人类取代并追溯责任的人工智能设计
人工智能
2025-12-09 v3 人机交互
摘要
无尽调校是一种可靠部署人工智能的设计方法，基于双重镜像过程，旨在同时实现避免人类取代和弥补所谓责任缺口（Matthias 2004）的目标。该方法最初于 (Fabris 等 2024) 中描述，并沿袴其中所倡导的关系方法，随后在协议中实现，并在三个原型应用中进行测试，这些应用分别涉及决策过程（分别为：贷款批准、肺炎诊断和艺术风格识别），并针对众多领域专家进行测试。逐步说明该协议，给出具体示例，展现不同于传统方法的声音 (Gilligan 1993) 在人工智能伦理中的作用，将技术选择的哲学阐释（例如：对 XAI 算法的颠倒和诠释部署），将在本研究中提供，同时将聚焦于用户体验而非统计准确性。即便充分运用深度学习模型，在决策情境中，受访者仍感到对决策过程拥有完全控制权；而在责任与赔偷之间似乎可以搭建一座桥梁。
引用
@article{arxiv.2507.14909,
title = {The Endless Tuning. An Artificial Intelligence Design To Avoid Human Replacement and Trace Back Responsibilities},
author = {Elio Grande},
journal= {arXiv preprint arXiv:2507.14909},
year = {2025}
}