Resource Allocation for Trustworthy Artificial Intelligence Projects in African Context
Notice bibliographique
Résumé
Abstract This study pursues one question: What are the implications of funding disparities on the development and implementation of trustworthy AI frameworks tailored to the African context, and how can proactive strategies be employed to address these disparities towards developing the African trustworthy AI projects landscape? In response, this chapter addresses resource allocation challenges in creating a trustworthy AI framework within the African context. It highlights concerns about Western-biased AI technologies and the historical impact of colonialism on funding inadequacies, which perpetuate technological colonialism. The argument stresses the need for proactive strategies from African governments to foster AI development. Despite the projected $15.7 trillion global economic value of AI by 2030, Africa's share remains disproportionately low. For instance, in 2022, the US invested $47.7 billion in AI, while Africa's investment was only $2.0 billion. Moreover, Africa's AI investments often come from Western sources, which further exacerbates funding biases. The chapter aims to demonstrate how this funding gap hampers the development of trustworthy AI from an African perspective. Drawing on global AI projects, it advocates for addressing the funding deficit to prioritise trustworthy AI research in Africa. Furthermore, the chapter proposes an ideal trustworthy AI model aligned with African ontology, emphasising relationality and human-centeredness. Lastly, it offers insights on channelling financial resources effectively, including dormant fund utilisation, corporate social responsibility, partnerships, and community-driven initiatives, to foster a trustworthy AI framework rooted in the African ethos.
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 | 0,010 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,004 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 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 ».