从田地到太空的数据中心、欧盟 AI 治理主题与伦理教育
欧盟 AI 治理如何从伦理走向法律？
今天的第一篇论文讨论的是欧盟人工智能政策中的治理主题。当宏大的伦理愿景真正要落地成法律条文时，关注点会发生怎样的变化？是不是为了追求法律的明确和可执行，就不得不暂时搁置一些更长远的社会议题呢？或许欧盟的 AI 治理经验可以给我们一些启发。
第二篇论文则聊到了一个神经炎本身非常关心的问题：我们该如何教育下一代的 AI 从业者？如果只是让学技术的埋头写代码，学法律的空谈监管，社会学的讨论技术的社会影响，那基本是死路一条。要怎么设计一门课程，才能让学生真正理解，每一个技术决策背后都牵动着复杂的社会和伦理问题呢？怎么样让三者互相交流，真正培养出能够应对现实世界中负责任人工智能开发与部署复杂挑战的专业人才？希望我们有一天能给出答案。
祝今日读写愉悦，洞见深省。
前沿速递
使用 BERTopic 和主题分析揭示欧盟人工智能政策中的治理主题
核心概念
BERTopic：这是一种先进的主题建模技术，它通过利用强大的语言模型（如 BERT）来理解单词和句子的深层含义，从而对文本进行主题分类。与传统方法仅靠计算词频不同，BERTopic 能更好地捕捉语义上的相似性。举例来说，假设有两段话，一段是这家公司的盈利超出了市场预期，另一段是投资人对该企业的财务表现感到乐观。传统方法可能因为它们共享的词汇少而无法归为一类。但 BERTopic 能理解这两句话都在讨论积极的商业表现，因此会把它们都归入商业/金融这个主题。在这篇论文中，研究者用它来自动识别欧盟政策文件中隐藏的核心议题，即使这些议题在不同文件中表述各异。
主题分析（Thematic Analysis）：这是一种定性研究方法，指研究人员通过仔细阅读文本，系统性地识别、分析和报告数据中反复出现的模式或主题。它是一个由人类专家主导的解释过程，而非机器自动完成。例如，一位法律专家在阅读《人工智能法案》时，可能会注意到多处条文都在讨论如何确保人类能够随时干预或关闭 AI 系统。他会用人类监督这个标签标注所有相关段落，并最终将这些内容整合，总结出人类监督是法案的一个核心主题。
人工智能价值链（AI Value Chain）：这个概念指的是一个人工智能系统从最初的开发、部署到最终被使用的完整生命周期中所涉及的不同参与方。它强调责任和义务分布在链条的各个环节，而不仅仅是开发者。例如，一家科技公司开发了一个先进的图像识别算法（开发者），另一家安保公司将这个算法集成到其监控摄像头产品中（集成商），一个商场购买并安装了这些摄像头用于安防（部署者），最终商场的安保人员使用这个系统来识别异常行为（使用者）。根据欧盟《人工智能法案》，这条价值链上的每一个角色，从开发者到使用者，都可能需要承担相应的法律责任和合规义务，确保 AI 在每个环节都得到负责任的应用。
研究问题
欧盟在人工智能治理领域扮演着全球领导者的角色，先后发布了《可信人工智能伦理指南》和具有里程碑意义的《人工智能法案》等多份政策文件。这些文件虽然共同追求构建可信赖的人工智能，但在具体关注点、规范强度和政策优先级上存在差异，并且随着时间的推移和技术的发展，其关注点也在不断演变。以往的研究虽然对全球人工智能政策进行过分析，但缺乏对欧盟这一关键行为体内部政策话语体系如何随时间演变的系统性追踪。
基于此背景，本研究的核心问题是：自 2018 年以来，在欧盟关于人工智能治理的各项政策和指导方针中，出现了哪些主要的主题？这些主题又是如何随着时间的推移，特别是以《人工智能法案》的出台为分界点，发生演变的？
