جيرار هيرتيج- فبراير 2021
يشير الذكاء الاصطناعي الذكاء الاصطناعي إلى ترتيب الأنظمة التي تعرض سلوكا ذكيا من خلال (1) تحليل بيئتها و (۲) اتخاذ إجراءات لتحقيق أهداف محددة من الناحية الفنية ، الذكاء الاصطناعي هو في الأساس مزيج من خوارزميات التعلم الآلي الفردية (ML) لحل المشكلات المعقدة.
تهدف هذه المراجعة إلى تحديد الأهمية الكمية والنوعية الذكاء الاصطناعي في عمليات إزالة وتدخلات السياسة العامة خلال الفترة ۲۰۱۹ - ۲۰۲۰ تستند المراجعة إلى أوراق العمل المنشورة على شبكة أبحاث العلوم الاجتماعية (SSRN) وإلى التقارير السنوية من قبل المشرفين الماليين.
ويغطي جزء ورقات العمل أربعة مواضيع تعريف العالم الذكاء الاصطناعي؛ وتعريف العالم ؛ وتعريف العالم . وضع الذكاء الاصطناعي للاستخدام ؛ تنظيم الذكاء الاصطناعي ؛ الذكاء الاصطناعي سن القوانين وإنفاذها (انظر أيضا الجدول الأول). ويستند الجزء المتعلق بالإشراف المالي إلى تقارير صادرة عن منظمات دولية؛ الاتحاد الأوروبي؛ سنغافورة وسويسرا؛ الصين واليابان المملكة المتحدة والولايات المتحدة (انظر أيضا الجدول الثاني).
بشكل عام ، يبدو أن علماء الاجتماع يتعاملون بشكل متزايد مع الذكاء الاصطناعي. ومع ذلك ، فإن الغالبية العظمى من المساهمات تركز على التعلم الآلي (ML).
كما تعتمد السلطات الإشرافية بشكل متزايد على الذكاء الاصطناعي. ومع ذلك ، يتم ذلك في الغالب لأغراض داخلية ، حيث يقتصر الاستخدام التنظيمي في الغالب على اكتشاف ممارسات السوق غير القانونية الاستثناء هو الولايات المتحدة ، حيث الدول هي الجهات الفاعلة الرئيسية والنطاق التنظيمي أوسع مما هو عليه في بقية العالم.
تعريف العالم الذكاء الاصطناعي
1. بشكل عام ، عالم الذكاء الاصطناعي هو العالم الذي يحصل فيه الوكلاء الأذكياء على المعلومات من البيئة ويتخذون الإجراءات ذات الصلة (انظر أيضا 2010 Russel and Norig) . ومن ثم ، بالنسبة للمفوضية الأوروبية ، يشير الذكاء الاصطناعي إلى الأنظمة التي تعرض سلوكا ذكيا من خلال تحليل بيئتها واتخاذ الإجراءات - بدرجة معينة من الاستقلالية - لتحقيق أهداف محددة (COM (2018) 237 final). بمعنى آخر ، في حين أن algorythms ""التقليدية"" تتفاعل مع التغييرات في المعلمات التي حددها مستخدمها (2016 Mehra) ، فإن خوارزميات ""التعلم العميق"" تتخذ القرارات بشكل مستقل إلى حد كبير عن القواعد والمعلمات المحددة مسبقا (2018 Picht and Freund) . ثبت أن تقديم تعريف الفخذ ل الذكاء الاصطناعي بعيد المنال (Parson et al. ۲۰۱۹) ، لأسباب ليس أقلها التقدم التكنولوجي الذي يجعله أقرب وأقرب إلى الذكاء البشري (2020 Lemley & Casey).
2. استند البحث المبكر الذكاء الاصطناعي إلى مناهج المنطق ، والتي اتبعتها مناهج عصبية ( Denno and Surujnath ۲۰۱۹) . في الوقت الحاضر ، تعتبر التقنيات الإحصائية المتقدمة ما يسمى بالتعلم العميق بشكل عام النهج السائد ( Bogroff and 2019 Guégan) من الناحية الفنية ، يمكن تقسيم الذكاء الاصطناعي إلى ثلاثة أجزاء أساسية (2018) Taddy) بنية المجال ، وتوليد البيانات ، والقدرة على القراءة الآلية. بمعنى آخر ، الذكاء الاصطناعي هو في الأساس مزيج من خوارزميات ML الفردية لحل المشكلات المعقدة. لاحظ ، مع ذلك ، أنه ليست كل الخوارزميات الذكاء الاصطناعي ، وليس كل الذكاء الاصطناعي هو التعلم الآلي (2019 ، Raj and Seamans). تنتج معظم إنجازات الذكاء الاصطناعي الأخيرة عن التقدم في التعلم الآلي ( Agrawal et al ۲۰۱۷ ، فرنانديز ۲۰۱۹) في الأساس ، ML هو فرع من الإحصاء الحسابي يسهل التنبؤات باستخدام البيانات الموجودة لملء المعلومات المفقودة 2019 2 Agrawal et al. 2018 Tiffin) وتحديد العوامل أو الأنماط الخفية. بمعنى آخر ، لا يتم ترميز أجهزة الكمبيوتر ، فهي تستخرج الخوارزمية ذات الصلة ذاتيا.
3. هذا لا يعني أن أجهزة الكمبيوتر يمكنها اكتساب الحكمة (2018 Broussard) أو لا تواجه مشكلة السببية مقابل الارتباط (2018 Wall). ومع ذلك ، عندما يتم تشغيله بواسطة مجموعات بيانات ضخمة مدعومة بقدرات معالجة حسابية قوية ، فإن ML قادر على توليد رؤى جديدة (2019 Yeung and Lodge) . على سبيل المثال ، باستخدام نهج ML ، يجب أن يكون المرء قادرا على التنبؤ بالأزمات المالية النظامية قبل اثني عشر ربعا وبنسبة إشارة عالية جدا إلى الضوضاء (2019 .Fouliard et al). ومع ذلك لا يزال نقل التعلم (حفظ المعرفة المكتسبة من حل مشكلة ما لتطبيقها على حل مشكلة أخرى يمثل تحديا كبيرا في الذكاء الاصطناعي ومحورا رئيسيا لأبحاث علوم الكمبيوتر المستمرة 2019 .Baum et al) .
تعريف العالم الذكاء الاصطناعي
1. بشكل عام ، عالم الذكاء الاصطناعي هو العالم الذي يحصل فيه الوكلاء الأذكياء على المعلومات من البيئة ويتخذون الإجراءات ذات الصلة (انظر أيضا 2010 Russel and Norig) . ومن ثم ، بالنسبة للمفوضية الأوروبية ، يشير الذكاء الاصطناعي إلى الأنظمة التي تعرض سلوكا ذكيا من خلال تحليل بيئتها واتخاذ الإجراءات - بدرجة معينة من الاستقلالية - لتحقيق أهداف محددة (COM (2018) 237 final. بمعنى آخر ، في حين أن algorythms التقليدية"" تتفاعل مع التغييرات في المعلمات التي حددها مستخدمها (2016) Mehra) ، فإن خوارزميات التعلم العميق"" تتخذ القرارات بشكل مستقل إلى حد كبير عن القواعد والمعلمات المحددة مسبقا (2018 Picht and Freund . ثبت أن تقديم تعريف الفخذ ل الذكاء الاصطناعي بعيد المنال (Parson et al. ۲۰۱۹) ، لأسباب ليس أقلها التقدم التكنولوجي الذي يجعله أقرب وأقرب إلى الذكاء البشري 2020) Lemley & Casey).
2. استند البحث المبكر الذكاء الاصطناعي إلى مناهج المنطق ، والتي اتبعتها مناهج عصبية ( Denno and Surujnath ۲۰۱۹) في الوقت الحاضر ، تعتبر التقنيات الإحصائية المتقدمة ما يسمى بالتعلم العميق بشكل عام النهج السائد (Bogroff and 2019 Guégan) من الناحية الفنية ، يمكن تقسيم الذكاء الاصطناعي إلى ثلاثة أجزاء أساسية (2018) Taddy) بنية المجال ، وتوليد البيانات ، والقدرة على القراءة الآلية. بمعنى آخر ، الذكاء الاصطناعي هو في الأساس مزيج من خوارزميات ML الفردية لحل المشكلات المعقدة. لاحظ ، مع ذلك ، أنه ليست كل الخوارزميات الذكاء الاصطناعي ، وليس كل الذكاء الاصطناعي هو التعلم الآلي (2019 ، Raj and Seamans). تنتج معظم إنجازات الذكاء الاصطناعي الأخيرة عن التقدم في التعلم الآلي (Agrawal et al، ۲۰۱۷؛ فرناندیز ۲۰۱۹) . في الأساس ، ML هو فرع من الإحصاء الحسابي. يسهل التنبؤات باستخدام البيانات الموجودة لملء المعلومات المفقودة 2019 2 Agrawal et al. 2018 Tiffin) وتحديد العوامل أو الأنماط الخفية. بمعنى آخر ، لا يتم ترميز أجهزة الكمبيوتر ، فهي تستخرج الخوارزمية ذات الصلة ذاتيا.
3. هذا لا يعني أن أجهزة الكمبيوتر يمكنها اكتساب الحكمة (2018) Broussard) أو لا تواجه مشكلة السببية مقابل الارتباط (2018 Wall). ومع ذلك ، عندما يتم تشغيله بواسطة مجموعات بيانات ضخمة مدعومة بقدرات معالجة حسابية قوية ، فإن ML قادر على توليد رؤى جديدة 2019 Yeung and Lodge) . على سبيل المثال ، باستخدام نهج ML ، يجب أن يكون المرء قادرا على التنبؤ بالأزمات المالية النظامية قبل اثني عشر ربعا وبنسبة إشارة عالية جدا إلى الضوضاء 2019 .Fouliard et al). ومع ذلك ، لا يزال نقل التعلم (حفظ المعرفة المكتسبة من حل مشكلة ما لتطبيقها على حل مشكلة أخرى يمثل تحديا كبيرا في الذكاء الاصطناعي ومحورا رئيسيا لأبحاث علوم الكمبيوتر المستمرة (2019 .Baum et al) .
وضع الذكاء الاصطناعي للاستخدام
1. يستخدم التعلم الآلي بالفعل في جميع مجالات الخدمات المصرفية والمالية تقريبا (2012) Bishop 2006 and Murphy) . تمتد التطبيقات من اكتشاف الأخطاء والاحتيال ، إلى نماذج السلاسل الزمنية وتحسين استراتيجيات صنع السوق والتحوط للأدوات المالية 2019 Wilkens). على سبيل المثال ، يتم استخدام طرق ML بالفعل لتحليل البيانات المالية Amel-Zadeh et al. (۲۰۲۰) ، والكشف عن الأخطاء المحاسبية (2020) Bertomeu) والتقاضي بشأن الأوراق المالية (Baker and Gelbach ۲۰۲۰) . يسمح ML أيضا بتحسين أوصاف سلوك العائد المتوقع بالنسبة لطرق التنبؤ التقليدية (2018) G). علاوة على ذلك ، تحظى ML بشعبية في أعمال المشتقات المالية ، حيث تعد التحديثات والمعلومات في الوقت الفعلي مكونات نجاح حاسمة ( De Spiegeleer 2018 .et) . بمعنى آخر ، بينما تستخدم الأتمتة للتأثير بشكل أساسي على المهام الروتينية أو منخفضة المهارات ، من المرجح أن يؤدي ML ، وبشكل عام ، الذكاء الاصطناعي إلى أتمتة المهام المعرفية غير الروتينية التي يؤديها العمال ذوو المهارات العالية (2017 .Aghion et al) وإعادة تشكيل طبيعة عملية الابتكار 2018 .Cockburn et al) . بالإضافة إلى ذلك ، يساعد الذكاء الاصطناعي مصممي السوق على تحسين عمليات الأسواق (2018 Milgrom and Tadelis). ويترتب على ذلك أن الذكاء الاصطناعي لديها القدرة على التأثير على التنظيم الصناعي (2018) Varian) وزيادة نمو الإنتاجية. على سبيل المثال ، قامت شركات التأمين بالفعل بحوسبة الاتصال بالمستهلك وحلول التأمين ومعالجة المطالبات وإجراءات الكشف عن الاحتيال ( Lamberton et al ۲۰۱۷) إنهم يعتمدون بشكل متزايد على الذكاء الاصطناعي لاختيار تلك الادعاءات التي تتطلب مزيدا من التحقيق المتعمق (Borselli ۲۰۱۸). من ناحية أخرى ، قد يكون الذكاء الاصطناعي تأثيرات مختلطة على العمالة ، لا سيما على المدى القصير( Furman and 2018 Seamans؛ جريس ونودي ۲۰۲۰) قد يهدد أيضا خصوصية المستهلك (2018) Jin) ، وبشكل عام ، يعزز التمييز ( Packin and Lev-Aretz 2018) .
2. يتطلب الاعتماد على الذكاء الاصطناعي أهدافا محددة بوضوح 2020) Coglianese). قد لا يكون من السهل تحديدها وتحقيقها. على سبيل المثال ، يثير النشطاء وصانعو السياسات اعتبارات أخلاقية (2019) Puaschunder) قد تتطلب تصميم خوارزميات تتجاوز التنبؤ الدقيق 2020) Cowgill and Stevenson) . بالإضافة إلى ذلك ، فإن استخدام الذكاء الاصطناعي يعني الوصول إلى مجموعات بيانات كبيرة ومتنوعة ، والتي قد تكون ذات فائدة محدودة عندما يكون الماضي مختلفا عن المستقبل (2019 Snow) وقد يوضح سبب استثمار الشركات الكبيرة والاستفادة أكثر من الذكاء الاصطناعي 2020 .Babina et al) . هناك أيضا دليل على النفور من الخوارزمية في بعض المواقف على سبيل المثال، يبدو أن مراجعي الحسابات أكثر استعدادا لتحمل الأدلة المتناقضة عندما تأتي من أخصائي بشري في الشركة أكثر من استعدادها لنظام الشركة القائم على الذكاء الاصطناعي (2019 .Commerford at el). قد تكون هذه القيود هي السبب في أن جزءا صغيرا فقط من الشركات تستخدم بالفعل الذكاء الاصطناعي بنشاط عبر عملياتها 2018 Bughin and van Zeebroeck). قد يفسرون أيضا سبب استمرار وجود أدلة تجريبية محدودة على الوضع الحالي لاعتماد الذكاء الاصطناعي في التمويل ( Ryll et al. 2020)
3. ومع ذلك ، يتم استخدام الذكاء الاصطناعي على نطاق واسع من قبل الحكومات (2020 Engstrom). هذا هو الحال بشكل خاص في الولايات المتحدة 2020 Engstrom and Ho) ، حيث يتمتع عدد كبير من الوكالات الفيدرالية بخبرة ML وخبرة الذكاء الاصطناعي (2020 .Engstrom et al) ؛ ومع ذلك ، فإنه يحدث أيضا في أوروبا (2019) Finch). وبالمثل ، يتم الاعتماد بشكل متزايد على صنع القرار الإداري المدفوع الذكاء الاصطناعي في القطاع الخاص 2019 Adams Prassl). يجب أن تسمح الذكاء الاصطناعي التطورات بفهم أفضل للعملية التي يتم من خلالها اختيار هياكل حوكمة الشركات (2019) Erel et al) ، والمساهمة في تحسين استقلالية مجلس الإدارة 2020 Kamalnath وتحمل المخاطر 2020 .Hrazdil et al) . من ناحية أخرى ، تثير هذه التطورات مسألة الإشراف الإداري على أنظمة الذكاء الاصطناعي 2020) Hickman and Petrin). يجب أن يقلل هذا التطور من تكاليف الوكالة والتنسيق ، مع زيادة مخاطر المسؤولية في الجزء العلوي من الشركة (2019 Armour and Eidenmueller). في الوقت نفسه ، قد تؤدي زيادة الأتمتة إلى استبدال الخوارزميات للموظفين باعتبارها السبب الرئيسي لضرر الشركات - وفي أن تصبح الشركات محصنة من معظم المسؤولية المدنية والجنائية (2020 Diamantis). تسببت هذه التطورات في نقاش حول حجم التغييرات المتعلقة الذكاء الاصطناعي (2020 Watson) ، والتعاون بين البشر الذكاء الاصطناعي (2020 Puranam) ، وسرية أنظمة الذكاء الاصطناعي 2020 Price and Ray وأنظمة المسؤولية الذكاء الاصطناعي (2020 Mannes؛ سينفتلين ۲۰۲۰) من منظور الممارسة ، قاموا بتوليد مقترحات لمنح شخصية الشركات لأنظمة الذكاء الاصطناعي (2020 Linarelli 2019; Lai) والتنبؤات بأن الذكاء الاصطناعي ستستخدم بشكل متزايد لصياغة العقود وإنفاذها (2020 Sirena 2020; Scholz) وتوظيف الموظفين (Sullivan 2018).
4. وبالتالي يمكن للمرء أن يتوقع الذكاء الاصطناعي أن تصبح منتشرة في قطاع الخدمات المالية. على سبيل المثال ، تعتبر طرق التعلم العميق متفوقة على الأساليب القياسية عندما يتعلق الأمر بالتوقعات المالية (2017 .Heaton et al) . وبالمثل ، تعتبر النماذج القائمة على التعلم الآلي والبيانات غير التقليدية أفضل في التنبؤ بالخسائر والتخلف عن السداد من النماذج التقليدية في وجود صدمة سلبية الإجمالي المعروض الائتماني (2020 .Gambacorta et al). في الواقع ، تستخدم المؤسسات المالية بالفعل الذكاء الاصطناعي .
لتقييم جودة الائتمان وتسعير مساحات التأمين (2017 FSB) . وبشكل أكثر تحديدا ، يمكن استخدام الذكاء الاصطناعي لتسعير المحفظة وإدارة المخاطر (Fernandez-Arjona and Filipovi 2020) وبناء نماذج المخاطر (Kakushadze and Yu 2019) والمحافظ الفعالة ( Lanza et al.2020) . بالإضافة إلى ذلك ، سيساهم الذكاء الاصطناعي في تطوير مستشاري الروبوت المالي (2019 D'Accunto and Rossi. من الواضح أن الوسطاء الماليين يستخدمون أيضا الذكاء الاصطناعي لصنع السوق والتداول الآلي ، وإن كان من المرجح أن يحدث هذا في الأسهم والعقود الآجلة أكثر من أسواق الدخل الثابت والفوركس (Koshiyama ۲۰۲۰). هذا لا يخلو من التأثير على العمل. على سبيل المثال، هناك أدلة على أن المحللين الذين لديهم محافظ أكثر تعرضا الذكاء الاصطناعي ، هم أكثر عرضة لإعادة تخصيص الجهود للمهارات الشخصية ، وتحويل التغطية نحو الأسهم منخفضة الذكاء الاصطناعي وحتى ترك المهنة (Grennan and Michaely 2020).
5. أدى الاستخدام المتزايد للخوارزميات لاتخاذ قرارات عالية المخاطر إلى قيام النشطاء وصانعي السياسات بالتعبير عن مخاوفهم الديمقراطية 2019 Djeffal) تتمثل إحدى الاستجابات لهذه المخاوف في هندسة خوارزميات جديدة تتجاوز التنبؤ الدقيق وتهدف إلى دفع صانعي القرار نحو الإجراءات المفضلة اجتماعيا. على الجانب التنظيمي ، ولدت هذه المخاوف اقتراحات لجعل استخدام الذكاء الاصطناعي خاضعا لمتطلبات نزاهة السوق وحماية المستهلك (2020 Lee). في الواقع ، هناك أدلة على تورط المقرضين الأمريكيين في التمييز ضد المستهلك (2020 Gillis) والإفراط في فرض رسوم على المقترضين اللاتينيين / الأمريكيين من أصل أفريقي لشراء وإعادة تمويل الرهون العقارية (2019 .Bartlett et al). بشكل عام ، هناك أدلة على أن تقييم الجدارة الائتمانية القائم على الذكاء الاصطناعي قد يهدد خصوصية المستهلك واستقلاليته 2020 Aggarwal). من ناحية أخرى ، من المسلم به أن الذكاء الاصطناعي يمكن أن تحمي المستهلكين أيضا. هناك أدلة على أن توصيات الخبراء algorithmic زادت بشكل كبير من توفير تكاليف خطة صحة المستهلك ورضا عملية الاختيار( 2019 .Bundorf et al). وبالمثل ، يمكن أن تسهل ""البيانات الاصطناعية"" التي تم إنشاؤها بواسطة ML الامتثال ل ""التزام الرعاية لدى الوسطاء الأمريكيين تجاه مستثمري التجزئة ، من خلال تمكينهم من اختبار توصيات الاستثمار (Heaton and Witte 2020).
6. يمكن أن يكون استخدام الذكاء الاصطناعي أمرا معقدا. على سبيل المثال ، يتطلب الاعتماد على الذكاء الاصطناعي لتنبؤات سوق الأسهم أ) استخراج الأحداث من نص الأخبار ، (ب) تمثيلها كناقلات كثيفة و (ج) الاعتماد على الشبكات العصبية التلافيفية العميقة (2015 .Ding et al) ، أي على أنظمة الكمبيوتر التي يمكنها تصنيف المعلومات مثل الدماغ البشري. من المهم ملاحظة أن هذا النهج قد لا يكون قابلا للتتبع بالكامل بواسطة أجهزة الكمبيوتر ويتطلب استخدام الاستدلال لحل المشكلة المطروحة (Bettismy 2018 and Hu) . وبالمثل ، قد يؤدي استخدام الذكاء الاصطناعي لأغراض إثبات في الإجراءات الجنائية إلى صعوبة اكتشاف نتائج متحيزة (2020 Palmiotto). بمعنى آخر ، لا يزال الذكاء الاصطناعي يتعلق بعمل تنبؤات أكثر من إنشاء علاقة سببية (Agrawal 2019 .et al). على وجه الخصوص ، يزيد استخدام الذكاء الاصطناعي من الاعتماد المتبادل (2020 .Zetzsche et al) ، في حين لا يزال من الصعب تحديد الاستدلالات السببية في وجود تفاعلات بيانات معقدة ( Feng et al ۲۰۱۸).
7. ومع ذلك ، فإن الخوارزميات تحل تدريجيا محل التدخل البشري. على سبيل المثال ، يتم استخدام الذكاء الاصطناعي أكثر فأكثر لتسعير السلع والخدمات (2019 .Calvano et al). وبالمثل ، فإن السيارات ذاتية القيادة ، ووكلاء المحادثة الآلية ، والتشخيص الطبي المدعوم من الذكاء الاصطناعي ، والترجمات وممارسات التسويق أصبحت بشكل متزايد جزءا من الحياة اليومية (Proserpio ۲۰۲۰ ؛ ریبرز وأولريش ۲۰۲۰). وبالمثل ، فإن برامج الكمبيوتر التي تحاكي المحادثات البشرية (روبوتات الدردشة فعالة مثل العمال ذوي القدرات في الحصول على مشتريات العملاء ، وأكثر فعالية بأربع مرات من العمال عديمي الخبرة. ومع ذلك ، فإن الكشف عن استخدام chatbot قبل المحادثة يقلل من معدلات الشراء بنسبة %۸۰ (2019 Luo). . وبالمثل ، يتم الاعتماد على الذكاء الاصطناعي بشكل متزايد للاعتراف بالتحرش الجنسي (2020 de Haan) ، وتحديد المجرمين وغيرهم من منتهكي القانون( Tayebi and Glasser 2016) وتوليد أدلة للمحاكمات الجنائية 2020 Gless). على العكس من ذلك ، قد تؤدي السلبيات أو الإيجابيات الكاذبة إلى قمع منهجي لمجموعات عرقية أو اجتماعية محددة 2018 Unwer). وبالمثل ، فإن استخدام الذكاء الاصطناعي لحماية نماذج الأعمال قد ينتهك قوانين المنافسة (2020 Dunne). بشكل عام ، من المرجح أن يعزز الذكاء الاصطناعي التحكيم التحول نحو ""العدالة المقننة"" ، والتي من المرجح أن تفضل التوحيد القياسي على السلطة التقديرية ( Re and Solow-Niederman 2019).
8. وفقا لبعض الدراسات ، قد يؤدي استخدام الذكاء الاصطناعي إلى انخفاض دائم في الناتج المحلي الإجمالي للبلدان ذات العمالة غير الماهرة الكبيرة( 2020 .Alonso et al) ؛ وقد ولد هذا التطور دعوات لفرض ضريبة على الأتمتة من شأنها أن تبطئ اعتماد الذكاء الاصطناعي وتمنح العمال وأنظمة الدعم الاجتماعي الوقت للتكيف( 2019 Ooi and Goh). ومع ذلك ، خلصت دراسات أخرى إلى أن الروبوتات الشمالية قد تؤدي إلى ارتفاع الأجور في الجنوب (2018 .Artic et al) في حين أن التطبيقات الذكاء الاصطناعي تتعلق في كثير من الأحيان بتعزيز القدرات البشرية أكثر من خفض تكاليف العمالة (2018 .Bessen et al) . بشكل عام ، يتم التأكيد على أن الذكاء الاصطناعي قد يؤثر بشكل كبير على التجارة الدولية ( Goldfarb and Trefler 2018 ، Madnick et al.2020) على سبيل المثال ، تلعب الذكاء الاصطناعي بالفعل دورا حاسما في تخصيص الموارد الطبية النادرة (السعر ۲۰۱۹).
9. وقد أدى الدور المتزايد الذكاء الاصطناعي إلى مبادرات تتعلق بالحوكمة والأخلاقيات. تعتبر الأكثر تطورا في الصين والاتحاد الأوروبي ، حيث تلحق الولايات المتحدة بالركب بينما كانت بداية الهند وأستراليا أكثر صعوبة (2019 .Daly et al). تعكس بعض هذه المبادرات مخاوف من أن استخدام الخوارزميات قد يحدث دون إشراف أو سيطرة ديمقراطية كافية. على سبيل المثال ، في إعلانه الصادر في ١٣ فبراير ۲۰۱۹ عن لجنة الوزراء ، تناول مجلس أوروبا على وجه التحديد القدرات التلاعبية للعمليات الخوارزمية.
وبالمثل ، أكدت المفوضية الأوروبية أن الإطار التنظيمي يجب أن يخلق نظاما بيئيا للثقة في الذكاء الاصطناعي ((2020 COM ٦٥ final). في الوقت نفسه ، أدخلت بلدان مثل هولندا 2020) Zouridis) وألمانيا (2020 Binder) إجراءات ضريبية مؤتمتة بالكامل يفترض أنها تستند إلى الذكاء الاصطناعي ، على سبيل المثال عبر نهج منطقي افتراضي (انظر 2017 .Pertierra؛ لوسكي ۲۰۱۷ ) هناك أيضا تطورات الذكاء الاصطناعي تسهل اكتشاف الفساد (2020 .Ash et al) والتواطؤ ( Abrantes-Metz and metz 2018) ، والمساهمة في إجراءات قضائية أسرع وأقل تكلفة (2020 Har-low and Rawlings) . ومع ذلك ، يظل استخدام التعلم الآلي أقل إثارة للإعجاب عندما يكون الماضي مختلفا عن المستقبل ، أي عندما تكون المعايير متفوقة على القواعد (2019 Fagan and Levmore). هذا يمكن أن يخلق بعض عدم التوافق بين التشريعات التي تعمل بنظام الذكاء الاصطناعي والعالم الحقيقي (2020 Harned and Wallach). ويترتب على ذلك أنه من المرجح أن ينقض المشرعون الذكاء الاصطناعي في المجالات القانونية التي توجد فيها تحديات القياس(2019 Levmore and Fagan).
تنظيم الذكاء الاصطناعي
1. بشكل أساسي ، فإن الدور الناشئ ل الذكاء الاصطناعي يرفع المرونة (2020) Tomlinson) ، والمساءلة (Doshi Velez and Kortz 2017) والشرعية (Michaels 2020) والخصوصية (Yeung) وقضايا الإنصاف (أولينارز ۲۰۲۰)
