摘要

本文《The Switch, the Ladder, and the Matrix: Models for Classifying AI Systems》由Jakob Mökander等人撰写，探讨了人工智能（AI）系统分类的必要性和方法。文章指出，尽管AI伦理原则已被广泛采纳，但在实际操作中仍存在原则与实践之间的鸿沟。主要障碍之一是缺乏明确的物质范围定义，即AI伦理原则应适用于哪些系统和过程。文章通过比较以往的分类尝试，提出了三种分类模型：Switch（二元分类）、Ladder（基于风险的分类）和Matrix（多维分类），并分析了每种模型的优缺点，旨在为设计、部署或监管AI系统的组织提供实用的概念工具，以实现AI治理的实际操作。

原理

文章提出的三种分类模型各有其工作原理：

1. Switch模型：采用二元分类方法，根据系统的特性判断其是否属于AI系统。该模型基于一个或多个必要且充分的要求，通过简单的“是/否”问题来确定系统是否满足这些要求。
2. Ladder模型：基于风险的分类方法，将系统根据其潜在的伦理风险进行分级。每个风险级别对应不同的治理要求，从无特别措施到完全或部分禁止使用。
3. Matrix模型：多维分类方法，考虑多个维度如上下文、数据输入和决策模型类型等，为每个维度的组合指定相应的预防措施，以确保AI系统的伦理设计与部署。

流程

文章通过具体示例说明了每种模型的应用流程：

1. Switch模型：以IEEE的定义为例，通过判断系统的自主性和适应性来确定其是否为AI系统。
2. Ladder模型：以德国数据伦理委员会（DEK）的五级分类为例，根据潜在危害的可能性与严重性将AI系统分级，并对应不同的治理措施。
3. Matrix模型：以OECD的框架为例，通过分析AI系统的技术特征、数据输入、模型类型和任务输出等多个维度，进行详细分类并制定相应的治理策略。

应用

文章认为，这三种模型为组织提供了不同的工具来定义和实施AI治理框架，有助于弥合AI伦理原则与实践之间的差距。随着AI技术的快速发展和社会对其影响的日益关注，这些分类模型将有助于制定更加精确和有效的AI治理策略，促进AI技术的负责任发展。