理解AI可信度：对AIES与FAccT论文的范围综述

背景：可信AI是两大AI伦理会议AIES和FAccT的基石。然而，当前研究常采用技术中心主义方法，主要关注可靠性、鲁棒性和公平性等技术属性，而忽视了对于理解现实世界中AI可信度至关重要的社会技术维度。目标：本范围综述旨在考察AIES和FAccT社区如何概念化、测量和验证AI可信度，识别出在推进对可信AI系统的整体理解方面的主要差距和机遇。方法：我们对迄今为止的AIES和FAccT会议论文集进行了范围综述，系统分析了可信度在不同研究领域是如何被定义、操作化和应用的。我们的分析侧重于概念化方法、测量方法、验证与确认技术、应用领域以及潜在价值。结果：尽管在定义透明度、问责制和鲁棒性等技术属性方面取得了显著进展，我们的发现揭示了关键差距。当前研究往往以牺牲社会和伦理考量为代价，过分强调技术精确性。AI系统的社会技术性质仍未得到充分探索，可信度作为一个有争议的概念，其定义权掌握在有能力定义它的人手中。结论：将技术严谨性与社会、文化和制度考量相结合的跨学科方法对于推进可信AI至关重要。我们为AI伦理社区提出了可操作的措施，以采用能够真正解决AI系统与社会之间复杂相互作用的整体框架，最终促进惠及所有利益相关者的负责任技术发展。