《变革发生的渠道》:关于负责任AI的互人人际学习的过程、障碍和支持
研究背景与问题
-
主要问题与挑战:
在人工智能(AI)开发中,负责任的AI(Responsible AI, RAI)的实践正在逐渐渗透,面向降低AI潜在的社会不公平影响有一些工具与资源被开发,如数据集文件(Datasheets)或模型公平性评估工具。然而,在实际应用中,因社会环境、团队内部权力动态和组织中的激励问题,一些从业者仍对提出AI潜在的负面影响感到迟疑。此外,尽管研究表明AI从业者主要通过工作中“边做边学”的方式了解RAI,但当前对RAI学习的核心人际互动学习过程(interpersonal learning)了解甚少。 -
重要性:
RAI不仅在技术上需要可靠的工具支撑,更需要一个注重团队合作和讨论的学习环境,以帮助从业者共同发现和解决AI项目潜在的社会影响问题。未能很好地支持RAI的人际学习,可能大大削弱从业者开发负责任AI的能力,并可能导致更大规模的系统性不公或社会危害。 -
研究动机:
作者旨在通过深入探索RAI领域的人际学习过程、阻碍因素以及支持机制,弥补当前学习理论与RAI实践之间的缺口,帮助从业者更系统性地认识RAI并将其付诸实践。三个研究问题包括:- AI从业者如何通过人际互动在工作中学习RAI?
- RAI学习资源的设计在多大程度上支持人际学习?
- 哪些因素影响人际学习?这对从业者如何参与RAI有何影响?
解决方案
-
核心方法与研究设计:
作者通过21位RAI教育者参与的10场研讨会(每场90分钟),探索RAI的人际学习过程。这些教育者具有设计或实施RAI学习材料的经验,且许多人参与了非正式的RAI教育工作。研讨会内包含焦点小组讨论、头脑图创建以及干预方案设计等活动,旨在收集教育者对RAI人际学习的理解和经验。 -
创新之处:
这是首项系统性研究RAI领域内人际学习的论文,具体分析了RAI学习的互动性场景以及团队合作中的潜在问题,并强调了RAI学习对于人际关系和情感技能(socio-emotional skills)的高度依赖性。 -
实施步骤与技术:
- 数据收集:
- 通过预调查了解参与者背景及RAI学习资源设计中的人际学习关注。
- 焦点小组讨论,用于分享参与者在RAI学习上的经验与视角。
- 头脑图创建,帮助参与者更有结构地探讨RAI理想状态与负面场景。
- 干预方案设计,引导参与者制定针对RAI人际学习的教育干预措施。
- 数据分析:
- 采用迭代分析方法,归纳主题,聚焦特定学习设计案例中的情感技能需求、权力动态和组织文化影响。
- 数据收集:
研究成果
-
具体成果:
-
确定了RAI工作中人际学习的关键过程,包括:
- 批判性反思:团队共同审视AI开发可能对社会产生的伦理影响。
- 集体意义构建:团队在实践中协同探索如何将高层次RAI原则转化为具体操作。
- 尊重人际关系在RAI领域推动变化的重要性,如帮助建立联盟推动RAI变革,以及支持性环境促进同事之间的互助和学习。
-
确认了RAI教育的设计通常重视个人学习,而忽视了人际协作。这导致AI从业者主要依赖非正式的人际互动学习,割裂了学习资源与实际需求。
-
确定了阻碍RAI人际学习的主要因素:
- 权力动态:团队内部和组织结构中的权力不均,可能压制成员提出问题。
- 价值观紧张与知识背景差异:团队成员彼此对于AI伦理概念的理解差异,阻碍了协作与一致行动。
- 对抗性立场:RAI团队与AI产品团队之间的对立心态,导致合作和知识共享的挑战。
-
-
实验与评估结果:
- 步骤明确:通过参与者的定性反馈,作者提炼了成功RAI人际学习的积极因素,如:情感技能(积极倾听、尊重不同意见)、安全的团队文化(建立信任的关系)。
- 实践启示:研究表明,将RAI嵌入整个团队而非某特定角色中,并通过团队学习提升人际技能可以显著促进RAI工作。
-
局限性与未来方向:
- 研究局限:
- 参与者背景主要集中在美国的大型公司,且大多为女性,可能导致研究针对性较高。
- 数据主要依赖于参与者的自述(如调查和讨论),因而可能无法完全动态地揭示RAI学习的真实场景。
- 未来研究方向:
- 进行更丰富的跨领域和全球化调查,以探讨权力动态和文化差异对RAI团队合作的影响。
- 开发和评估支持情感技能和人际关系培养的RAI教育干预措施。
- 努力将RAI学习扩展到更小规模或初创企业的场景,并探索如何在资源受限的情况下建立完善的RAI学习体系。
- 研究局限:
总结
这项研究填补了RAI人际学习领域的重要空白,阐明了促进负责任AI开发的核心过程与挑战。研究不仅为RAI领域提供了教育实践模型,还指出了情感技能和沟通文化对RAI成功的重要影响,为未来RAI教育和干预设计提供了系统性的参考。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
研究问题
3- AI从业者在工作场所中通过哪些人际互动方式学习负责任AI(RAI)?分类: 负责任AI治理与组织协作同类问题arrow_forward
- RAI学习资源在多大程度上支持人际学习?分类: 负责任AI治理与组织协作同类问题arrow_forward
- 哪些因素影响人际学习,这些因素如何影响从业者对RAI的参与?分类: 负责任AI治理与组织协作同类问题arrow_forward
现实痛点
1- AI从业者难以协作应对AI对社会的潜在负面影响。分类: 负责任AI治理与组织协作同类问题arrow_forward
- 67%
CrowdIDEA:融合群智和数据分析以增强因果推理
CHI '23· AI 伦理、公平与问责 +2
- 67%
谈谈房间里的假设
CHI '25· AI 辅助决策与自动化系统 +2
- 60%
你会这么做吗?在虚拟现实中实施道德困境以理解伦理决策
CHI '20· 沉浸感与临场感研究 +1
- 60%
AutoGain:通过子运动效率优化自适应增益函数
CHI '20· 手部手势识别 +1
- 60%
设计 ground truth 和标签的社会生活
CHI '21· 计算方法在HCI中的应用 +1
- 60%
走向实践中的公平性:评估公平机器学习工具包的实践者导向标准
CHI '21· AI 伦理、公平与问责 +1
- 60%
陪审团学习:将不同意见整合到机器学习模型中
CHI '22· AI 伦理、公平与问责 +1
- 60%
有能力但不道德?比较AI和人类专家在道德决策中的合作
CHI '22· AI 伦理、公平与问责 +1
- 60%
模型草图:在机器学习模型早期设计中关注概念
CHI '23· AI 辅助决策与自动化系统 +1
- 60%
脱离上下文:调查“人工智能作为服务”的偏见和公平性问题
CHI '23· AI 伦理、公平与问责 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)