Regulating the unregulated-legal reactions to the development of artificial intelligence
Notice bibliographique
Résumé
The exponential growth of artificial intelligence (AI) has reshaped world economic, legal, and social structures, posing critical questions on how to control its deployment while protecting human rights. This paper studies legal responses to AI in key jurisdictions, the United States, European Union, China, and Canada, and their divergent regulatory philosophies. The EU employs a horizontal, rights-based approach based on ethics, data protection, and the "Brussels effect" that seeks to export its regime to the world. The United States follows a decentralized, market-centred regime combining federal guidance with various state-level experiments. China embraces a dirigiste approach with a focus on government control and data regulation via the PIPL, DSL, and CSL, with AI incorporated into judicial and administration proceedings. Canada, while circumspect, tests “regulatory sandboxes” and disclosure policies by courts to harmonize innovation with openness. Comparative studies show decentralized world governance and dangers of legal incompatibilities, imbalance in ethics, and digital disenfranchisement. The paper suggests the adoption of international standards on transparency, accountability, and fairness in algorithms; increased public-private partnerships; and capacity-building programs to make AI integration unbiased. Finally, the paper concludes that regulation of AI must transcend national borders, creating a consistent legal framework that harmonizes innovation with inherent rights, forestalls abuse, and fosters sustainable digital development. The paper is convinced that proactive, coordinated effort at a world level is the only way that AI can become a force for human progress instead of a dispenser of inequality and control. Keywords: artificial intelligence, regulation, legal frameworks, data protection, digital governance, ethical AI, human rights, accountability, transparency, European Union, United States, China, Canada.
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 | 0,022 | 0,036 |
| 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 | 0,005 | 0,044 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,006 |
| 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 ».