Integrating Ethical Principles and Human Rights Based Approach in the EU Artificial Intelligence Act and the Council of Europe Convention on Artificial Intelligence: Interplay of Ethics and Law in the AI Regulation Debate
Notice bibliographique
Résumé
The current article is dedicated to the analysis of the ways how ethical principles have been translated into European artificial intelligence (AI) regulation. The authors explore their role in the implementation and enforcement of the AI regulation. By integrating diverse methods acquired from humanities, legal sciences, and philosophy, the current study strives to gain profound insights into the challenges and different approaches of regulating AI. First, the authors explore the interplay of law and ethics in the AI debate, describing it as a binary approach. They argue that ethical principles, if perceived as a moral philosophy deeply rooted in foundational values (so-called multi-dimensional approach), can provide valuable guidance in implementation of AI regulation. Further, the authors analyse the ways how ethical principles have been taken up by the EU Artificial Intelligence Act (AI Act) and the Council of Europe’s Framework Convention on Artificial Intelligence and Human Rights, Democracy and the Rule of Law (Convention on AI or Convention). It focuses on the trade-offs made in this process, different approaches taken by the EU and the CoE to regulate AI and critically reflects current challenges in this process. The AI Act applies a risk-based approach that requires balancing various ethical principles, fundamental rights, values and interests, e.g. the development and uptake of AI. In turn, the CoE’s Convention on AI adopts a rights-based approach that has the potential to make a substantial difference by ensuring that AI systems are developed and used during their entire lifecycle in ways that protect fundamental rights, the rule of law, democracy, and social well-being. The article demonstrates how ethical principles and human rights-based approach can guide the development and implementation of the AI regulatory framework.
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 | 0,063 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,043 |
| Communication savante | 0,029 | 0,013 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,034 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 ».