A Collaborative, Human-Centred Taxonomy of AI, Algorithmic, and Automation Harms

本文介绍了一种协作式、以人为中心的AI、算法和自动化伤害分类法。我们认为，虽然现有的分类法很有价值，但它们往往过于狭窄、不够清晰，通常只适用于从业者和政府，而且经常忽略了更广泛公众的需求。基于现有分类法和大量记录的事件，我们提出了一种清晰易懂、适用于广泛受众的、灵活可扩展、互操作性强的分类法。通过与专家和众包注释测试的反复完善，我们提出了一种分类法，可以成为民间社会组织、教育工作者、决策者、产品团队和普通公众的有力工具。通过促进对AI和相关技术的现实伤害的更深入理解，我们旨在增加理解，赋予非政府组织和个人识别和报告违规行为的能力，为政策讨论提供信息，并鼓励负责任的技术开发和部署。

本文旨在提出一个协作的、以人为中心的AI、算法和自动化伤害分类法。

本文提出了一个清晰易懂、适用于广泛受众、灵活可扩展且可互操作的分类法。

本文通过与专家和众包标注测试的迭代完善，提出了一个可用于公民社会组织、教育工作者、政策制定者、产品团队和普通大众的分类法。

在这个领域中，最近的相关研究包括《A Taxonomy of Operational Cyber Security Risks》、《A Taxonomy of Ethical Risks in Artificial Intelligence》等。