Reaction Document to Responsible AI: A Policy Framework by the International Technology Law Association
Notice bibliographique
Résumé
The Cyberjustice Laboratory is an award-winning research institute that examines and harnesses emerging technology to improve access to the justice system in Canada and beyond. Founded in 2010 by Professor Karim Benyekhlef (Faculty of Law, University of Montreal), the Laboratory brings together an interdisciplinary team of experts who specialize in law, computer science, sociology, science & technology studies, data science, and software engineering in order to reimagine and improve justice systems through technology. The Laboratory’s dual focus aims to analyze the impact of technology on access to justice and develop concrete technological tools that adapt to the reality of the justice community. We believe it is important to recognize the rich potential of artificial intelligence. Indeed, many tout the problem-solving promises of AI and use it as a marketing tool for commercial purposes. While there have been significant advancements in the use of AI for certain functions (e.g. image and audio recognition), there is need for increased improvement in and analysis of the use of AI in other tasks (e.g. analysis of legal texts, legal reasoning, judging). It is critical for legal experts to distinguish between AI-powered software in use that requires legal response and mere AI vaporware, the forward-looking promises of which have yet to be realized. Pulling apart AI initiatives that require normative reflection from those best understood as science fiction is precisely one of the objectives of the ACT Project. For these reasons, the Cyberjustice Laboratory (“Laboratory” or “Lab”) considers it highly beneficial to offer input on the development of Responsible AI: A Global Policy Framework (“the Framework”) published by the International Technology Association (“ITechLaw”). In sum, the Laboratory’s response to the Framework prioritizes the need to concretely apply these principles to national laws. We offer ways forward for the authors of the second iteration of this document to encourage Canadian lawmakers, in particular, to pragmatically implement these principles through such actions as creating an Office of Technological Assessment, enacting or amending legislation in various industries to account for AI, proactively accounting for possibilities of discrimination, and facilitating government regulation rather than industry self-regulation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,026 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,013 | 0,013 |
| Communication savante | 0,035 | 0,024 |
| Science ouverte | 0,006 | 0,009 |
| Intégrité de la recherche | 0,089 | 0,039 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,011 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».