人工智能系统的审计：当前框架、原则和方法的综述

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

　　

摘要AI摘要

要查看此由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

在过去的十年中，人工智能（AI）系统在各个领域的迅速整合得益于机器学习算法、数据可用性和计算能力的显著进步。这些进展产生了非常有效的人工智能系统，但也凸显了对这些系统进行有效审计的迫切需求，以便对其进行批判性评估。在本文中，我们对用于审计AI系统的各种方法、框架和技术进行了系统性回顾，重点关注法律和伦理考虑以及合规性问题。通过查阅包括Google Scholar、IEEE、ACM和Springer在内的主要学术数据库，我们确定了调查的范围，并根据研究问题确定了相关主题。我们的研究发现指出了当前审计实践中的不足之处，并强调了将AI价值链阶段和AI成熟度级别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具体情境的现有框架和方法，从而提高AI系统评估的有效性。

AI摘要

AI生成摘要（实验性）

此摘要是使用自动化工具生成的，未由文章作者撰写或审核。它旨在帮助读者发现文献、评估其相关性，并帮助来自相关研究领域的读者理解文章内容。它作为对作者提供的摘要的补充，而作者提供的摘要依然是文章的官方总结。完整文章才是权威版本。点击这里了解更多。

点击这里对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于改进未来的生成版本。

要查看此由AI生成的通俗语言摘要，您必须具有高级访问权限。