人工智能系统审计：当前框架、原则与方法综述

《ACM Computing Surveys》：Auditing Artificial Intelligence Systems: A Survey of Current Frameworks, Principles and Approaches

　　

摘要AI 摘要

要查看此 AI 生成的摘要，您必须具有高级访问权限。

了解更多登录

摘要

摘要

过去十年来，人工智能（AI）系统在各行业的指数级融合得益于机器学习算法、数据可用性和计算能力的重大进展。这一进步产生了高效的人工智能系统，但也凸显了对有效审计以批判性评估这些技术的重要需求。在本文中，我们对人工智能系统审计的方法、框架和技术文献进行了系统综述，重点关注法律与伦理考量以及法规合规性。通过查阅包括 Google Scholar、IEEE、ACM 和 Springer 在内的关键学术数据库，我们确定了研究的范围，并从研究问题中提炼出相关主题。我们的研究发现当前审计实践存在差距，并强调了将人工智能价值链阶段和人工智能成熟度水平纳入审计框架的重要性。这种方法使我们能够区分并推荐最适合不同组织特定情境的现有框架和方法论，从而提高人工智能系统评估的有效性。

AI 摘要

AI 生成摘要（实验性）

本摘要由自动化工具生成，未经文章作者撰写或审核。提供本摘要旨在支持检索、帮助读者评估相关性，并协助来自相邻研究领域的读者理解该工作。本摘要旨在补充作者提供的摘要，后者仍然是论文的主要摘要。全文仍然是权威版本记录。点击此处了解更多。

点击此处对本摘要的准确性、清晰度和实用性进行评论。这样做将有助于改进和生成未来版本。

要查看此 AI 生成的通俗摘要，您必须具有高级访问权限。