SLIDES Public Controversies and the Future of AI
Notice bibliographique
Résumé
Public Controversies and the Future of AI. Lecture at Milieux Institute, Concordia University, Montreal, September 22, 2020. These are the slides of a lecture I have given (remotely) at the Lecture Series "AI Governance and Governmentality" at Milieux Institue, Concordia University, kindly hosted by Fenwick McKelvey. https://milieux.concordia.ca/event/christian-katzenbach-public-controversies-and-the-future-of-ai/ Here's the announcement in place of an abstract: "Facial recognition, digital contact tracing and content moderation have all been major controversies involving AI in 2020. How do these controversies shape the global governance of AI? A leading global scholar on platform and AI governance, Dr. Katzenbach will introduce a framework for the contested, informal governances processes of AI unfolding across research, policy and media in Canada, France, the UK, and Germany. These controversies shape understanding of what kind of AI comes into being, which problems and challenges are to be addressed, and our expertise to shape its future developments for the public good. As scandal and outrage give way to public debate and regulation, Dr. Katzenbach will outline a way to understand a dominant concern for the future of media, social and technology policy. Dr. Katzenbach is a Senior Researcher at the Alexander von Humboldt Institute for Internet and Society (Berlin, Germany). He directs the interdisciplinary research program “The Evolving Digital Society”. He is Chair of the Section Digital Communication of the German Association for Media and Communication ResearchIn the past and has acted as interim professor for communication policy and media economics at the Institute for Media and Communication Research at Freie Universität Berlin. His research addresses the intersection of technology, communication, and governance. He is a co-initiator of the open access journal Internet Policy Review and co-editor of the open access book series Digital Communication Research."
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,009 |
| Communication savante | 0,016 | 0,010 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,097 | 0,016 |
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 ».