日报｜模型可及性、AI 医疗的信任问题与人机融合学习

研究问题

近年来，生成式人工智能在全球快速普及，引发了关于其发布方式的广泛讨论。人们常将「开放」与「封闭」模型对立起来讨论，但这种二元划分忽视了一个关键问题：即使模型被「发布」了，是否真的「可及」？也就是说，模型是否真的能被不同背景、不同资源水平的用户使用和理解？论文指出，发布只是第一步，更重要的是要分析系统组件（如模型权重、训练数据、代码等）对不同用户是否真正可用和有用。

本研究试图回答以下问题：仅仅发布一个生成式 AI 系统是否足够？我们如何评估一个系统是否真正可及？谁能够访问这些系统组件？哪些因素决定了访问的便利性与风险？扩大可及性是否会带来更高的社会风险，还是促进更广泛的技术惠及？