Artificial Intelligence Technologies and Practical Normativity/Normality: Investigating Practices beyond the Public Space
Notice bibliographique
Résumé
This essay examines how artificial intelligence (AI) technologies may shape international norms. Following a brief discussion of the ways in which AI technologies pose new governance questions, we reflect on the extent to which norm research in the discipline of International Relations (IR) is equipped to understand how AI technologies shape normative substance. Norm research has typically focused on the impact and failure of norms, offering increasingly diversified models of norm contestation, for instance. But present research has two shortcomings: a near-exclusive focus on modes and contexts of norm emergence and constitution that happen in the public space; and a focus on the workings of a pre-set normativity (ideas of oughtness and justice) that stands in an unclear relationship with normality (ideas of the standard, the average) emerging from practices. Responding to this, we put forward a research programme on AI and practical normativity/normality based on two pillars: first, we argue that operational practices of designing and using AI technologies typically performed outside of the public eye make norms; and second, we emphasise the interplay of normality and normativity as analytically influential in this process. With this, we also reflect on how increasingly relying on AI technologies across diverse policy domains has an under-examined effect on the exercise of human agency. This is important because the normality shaped by AI technologies can lead to forms of non-human generated normativity that risks replacing conventional models about how norms matter in AI-affected policy domains. We close with sketching three future research streams. We conclude that AI technologies are a major, yet still under-researched, challenge for understanding and studying norms. We should therefore reflect on new theoretical perspectives leading to insights that are also relevant for the struggle about top-down forms of AI 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 | 0,025 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,083 |
| Communication savante | 0,017 | 0,026 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».