前沿速递

当人工智能失灵时，谁应负责？绘制人工智能隐私和伦理事件的原因、实体和后果图谱

核心概念

二次数据使用（Secondary Data Use）：这指的是将最初为某一特定目的收集的个人数据，在未获得用户新的、明确授权的情况下，转用于其它完全不同的目的，例如用于人工智能模型训练或驱动新的 AI 功能。这种行为违反了数据隐私保护中的目的限制原则。举个例子，你使用一款云相册应用来存储和与家人分享照片，应用收集你的照片是为了提供存储服务。后来，这家公司在没有通知你的情况下，将你和数百万用户的照片数据（包含人脸、地点等信息）打包，用来训练一个先进的人脸识别 AI 模型，并计划将该模型出售给其它公司。你的个人照片从私人分享的用途，变成了商业 AI 产品的训练材料，这就是典型的二次数据使用。

研究问题

人工智能技术的快速发展带来了重大的隐私和伦理风险，例如用户数据泄露、算法偏见与歧视、深度伪造内容的滥用等问题频发。为了应对这些挑战，学术界、工业界和政府机构提出了多种人工智能事件分类法与指导方针。然而，这些现有的框架往往缺乏对真实世界事件的实证基础，要么仅关注事件类型而忽略了原因、责任方等关键背景因素，要么研究范围过于局限于特定领域。这些不足导致现有分类法难以提供可行的见解，来有效指导人工智能事件的治理与预防。

因此，本研究的核心问题是：在人工智能系统的整个生命周期中，常见的人工智能事件类型有哪些？以及造成这些事件的背景因素，包括其根本原因、责任实体、披露来源和最终后果，分别是什么？