The Canadian Artificial Intelligence and Data Act and the EU AI Act: Will Sanity Prevail as they more closely align? – Part 2 — Changes to both Acts bring them closer together... but not too close
Notice bibliographique
Résumé
Abstract Part 1 of this paper (Beardwood, CRi 2024, 97) provided an update on the progress of AIDA and the EU AI Act (I), outlined a summary roadmap of the base similarities and differences between the two items of legislation (II), reviewed the objectives of AIDA in contrast to the EU AI Act (III), compared their respective jurisdictional scope (IV), reviewed their respective definitions of AI systems (V), outlined new definitions/concepts which have been introduced into the legislation (VI), outlined the extent to which there are exclusions for the public sector (VII) and for research (VIII), and provided an overview of their respective risk-based approaches (IX). This Part 2 compares in detail the obligations for High-Impact Systems and General-Purpose Systems (AIDA) (X), and for High-Risk AI Systems and General-Purpose AI Systems (EU AI Act) (XI), and finally reviews the penalties and offences for noncompliance imposed by AIDA and EU AI Act (XII) before concluding (XIII).
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 | 0,021 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,011 | 0,018 |
| Communication savante | 0,019 | 0,008 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,013 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».