负责任 AI 研究对创新与发展的影响

翻译性研究，尤其是在人工智能（AI）快速发展的领域中，是将科学发现转化为实际创新关键。负责任 AI（RAI）研究中的翻译影响通常通过各种途径呈现，包括研究论文、博客、新闻文章以及起草未来 AI 立法（例如欧盟 AI 法案）。然而，RAI 研究的实际影响仍未得到充分探索。本研究通过两种途径捕捉其影响：专利和代码仓库，这两种都提供了丰富且结构化的数据来源。我们构建了一个包含 1980 年至 2022 年 AI 及相关领域（包括计算机视觉、自然语言处理和人机交互） 20 万篇论文的数据集，开发了一个基于 Sentence-Transformers 深度学习框架来识别 RAI 论文。该框架计算论文摘要与一组 RAI 关键词（源自 NIST 的 AI 风险管理框架）之间的语义相似性；该框架旨在增强在 AI 产品、服务和系统的设计、开发、使用和评估中所考虑的可信度因素。我们识别出 2015 年至 2022 年在 CHI、CSCW、NeurIPS、FAccT 和 AIES 等顶级会议上发表的 1,747 篇 RAI 论文。通过分析这些论文，我们发现一小部分进入专利或代码仓库的论文被高度引用，翻译过程需要从 1 年（代码仓库）到 8 年（专利）不等。有趣的是，具有影响力的 RAI 研究不仅限于美国的顶尖机构，欧洲和亚洲机构也贡献了重要成果。最后，RAI 论文的跨学科性质表现为明显，许多论文构建于非传统组合的先前知识之上。