AI 数据透明度：通过 AI 事件视角的探索
AI data transparency: an exploration through the lens of AI incidents
AI总结：
本文通过 AI 事件视角考察引发公众关切的 AI 系统的数据实践文档现状，发现低数据透明度普遍存在，并指出模型与系统层面的透明度障碍，呼吁建立考虑系统多样性及供需双方需求的系统性数据透明度监测方法。
摘要：
更多地了解用于构建 AI 系统的数据，对于让不同利益相关方在确保负责任和适当的部署与使用中发挥各自作用至关重要。与此同时，一份 2023 年的报告显示，在主流基础模型中，数据透明度明显落后于 AI 透明度的其他领域。在本研究中，我们试图在这些发现的基础上，探索引发公众关切的 AI 系统内部数据实践公开文档的现状。我们的研究结果表明，低数据透明度在广泛的系统中持续存在，并且模型层面和系统层面的透明度与可解释性问题，为调查数据透明度信息以回应公众对 AI 系统的关切制造了障碍。我们强调，需要开发系统性的方法来监测 AI 数据透明度，这些方法应考虑到 AI 系统类型的多样性，并且此类努力应建立在对数据透明度信息提供者和使用者需求的进一步理解之上。
英文摘要：
Knowing more about the data used to build AI systems is critical for allowing different stakeholders to play their part in ensuring responsible and appropriate deployment and use. Meanwhile, a 2023 report shows that data transparency lags significantly behind other areas of AI transparency in popular foundation models. In this research, we sought to build on these findings, exploring the status of public documentation about data practices within AI systems generating public concern. Our findings demonstrate that low data transparency persists across a wide range of systems, and further that issues of transparency and explainability at model- and system- level create barriers for investigating data transparency information to address public concerns about AI systems. We highlight a need to develop systematic ways of monitoring AI data transparency that account for the diversity of AI system types, and for such efforts to build on further understanding of the needs of those both supplying and using data transparency information.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
