An ethical study of generative AI from the Actor-Network Theory perspective

广泛使用生成人工智能进行创新和生成通信内容的主要原因是其卓越的创造能力、操作效率和与不同行业的兼容性。然而，这也引发了一些道德问题，例如未经授权访问数据、算法偏见决策和生成内容的犯罪使用。为了解决与生成人工智能相关的安全漏洞，我们在演员网络理论框架下分析了ChatGPT作为案例研究。我们发现了总共九个演员，包括人类和非人类生物。我们研究了与ChatGPT相关的道德问题所涉及的翻译过程和演员，并分析了涉及道德问题出现的关键参与者。目的是探讨生成人工智能产生的道德问题的起源，并提供有关生成人工智能治理的特定视角。

探讨如何在人工智能模型中融入人类的先验知识，以提高模型的泛化能力和解释性。

论文提出了一种新的框架，用于将先验知识融入到神经网络中，并在多个任务上进行了实验验证。

实验结果表明，融入先验知识后的模型在泛化能力和解释性方面均有所提高。论文还提出了一种可解释性的方法，用于可视化模型中的先验知识。

最近的相关研究包括：《Learning to Learn with Conditional Class Dependencies》、《Probabilistic Model-Agnostic Meta-Learning》等。