Оцінка ефективності застосування міжнародних стандартів та регуляторних актів з регулювання моделей штучного інтелекту для України
Notice bibliographique
Résumé
The article presents a comprehensive study of the effectiveness of international standards and regulatory acts in the field of artificial intelligence (AI) with the aim of determining the most appropriate model for their implementation in Ukraine. The aim of the work is to conduct a comparative assessment of the leading approaches to AI regulation developed in the EU, the US, Canada, the UK, South Korea, China and other countries, as well as recognised international ISO/IEC standards. The study is based on the comprehensive use of multi-criteria analysis methods: pairwise comparisons, determination of weight coefficients on the Fishburn scale, ranking methods, scoring and numerical evaluation. The assessment was carried out using a system of unconditional and conditional criteria, including validity, flexibility, ethics, complexity, progressiveness, level of transparency of algorithms, prospects for integration, availability of institutional support, and impact on innovative development. The use of the MathCad environment allowed for mathematical modelling and calculation of integral performance indicators. The results showed that the most balanced and promising for implementation in Ukraine are the European approach (EU AI Act) and the Canadian approach (AIDA), which demonstrate a high level of regulatory maturity, transparency of regulatory procedures, the presence of an ethical component, and effective institutional support. The American approach (NIST AI RMF) and the ISO/IEC 23894 standard took intermediate positions due to their versatility and flexibility. In contrast, the Chinese model showed the lowest adaptability to Ukrainian conditions due to the dominance of centralised control principles. The proposed assessment methodology can be used to develop a national AI regulation strategy in Ukraine aimed at ensuring a balance between security, ethics and innovative technological development.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,007 |
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 ».