Rigor in AI: Doing Rigorous AI Work Requires a Broader, Responsible AI-Informed Conception of Rigor
작성자
- Haebom
카테고리
Empty
저자
Alexandra Olteanu, Su Lin Blodgett, Agathe Balayn, Angelina Wang, Fernando Diaz, Flavio du Pin Calmon, Margaret Mitchell, Michael Ekstrand, Reuben Binns, Solon Barocas
개요
본 논문은 인공지능 연구 및 실천에서의 엄격성에 대한 기존의 좁은 관점(방법론적 엄격성)을 비판하며, 더욱 포괄적인 엄격성 개념의 필요성을 주장한다. 기존의 방법론적 엄격성 외에도, 인지적 엄격성(연구 주제 선택에 대한 배경 지식), 규범적 엄격성(학문적, 사회적 규범 및 신념의 영향), 개념적 엄격성(이론적 구성 개념의 명확성), 보고 엄격성(연구 결과 보고 방식), 해석적 엄격성(기존 증거에 대한 추론의 타당성) 등 다섯 가지 측면을 포함하는 확장된 엄격성 개념을 제시한다. 이를 통해 인공지능 연구자, 정책 입안자, 언론인 등 다양한 이해관계자 간의 건설적인 논의를 위한 언어와 틀을 제공하고자 한다.
시사점, 한계점
•
시사점: 인공지능 연구의 엄격성에 대한 기존의 좁은 관점을 넘어, 더욱 포괄적이고 다차원적인 엄격성 개념을 제시함으로써 책임감 있는 인공지능 연구 및 개발을 위한 기반을 마련한다. 인공지능 기술의 과장된 주장을 경계하고, 보다 신뢰할 수 있는 연구 결과를 도출하는 데 기여할 수 있다. 다양한 이해관계자 간의 소통과 협력을 증진시키는 데 도움을 줄 수 있는 틀을 제공한다.
•
한계점: 제시된 다섯 가지 측면의 엄격성을 실제 연구 및 실천에 어떻게 적용하고 측정할 것인지에 대한 구체적인 지침이 부족하다. 각 측면의 상대적 중요성 및 우선순위에 대한 명확한 기준이 제시되지 않아 실제 적용에 어려움이 있을 수 있다. 제시된 틀이 모든 유형의 인공지능 연구에 적용 가능한지에 대한 검토가 필요하다.
