透明度和可解释性原则是当前欧盟人工智能方法的里程碑。 两者都在政策指南中作为管理算法决策的价值被引用，同时为现有的规范性规定、信息义务、访问权和控制权提供了基本原理。 这篇文章从欧盟消费者市场的角度解决了关于透明度和可解释性的辩论。 考虑了消费者相对于算法决策的立场，并讨论了他们在大规模监视、利用和操纵方面的风险。 分析了算法不透明度的概念，区分了设计选择所固有的基于技术的不透明度，以及对用户的关系不透明度。 然后考虑欧盟法律的React。 算法透明度和可解释性的新兴方法与有关消费者市场透明度的更广泛监管目标有关。 有人认为，欧盟法律侧重于向非专业消费者提供足够的信息（公开的透明度），而不是专家的可理解性（深奥的透明度）。 随后讨论了透明度的好处、其成本以及在不影响绩效的情况下实施透明度的程度。 最后，讨论了基于透明度的算法监管的优点，并提供了有关在欧盟法律范式内监管透明度和可解释性的见解。
2022-02-13 15:55:11
304KB
1
Benjamin Wiederkehr,Visualizing Data for Policy-Making_2021 EU Open Data Days
2022-01-22 19:13:57
19.08MB
1
本文利用EU-KLEMS数据库，使用随机前沿方法估算和分解了14个欧盟成员国的制造业全要素生产率增长。 这项研究确定了一些关键问题：1970年至2005年期间，欧盟制造业的全要素生产率变化率不断下降，这主要是由于技术效率的下降，在较小程度上是增长率的下降输入因素和分配效率的关系。 在同一时期，该部门取得了可观的技术进步，尽管如此，这并没有抵消拉动欧盟TFP增长下降的负面力量，尤其是在样本时期的最后十年。
2022-01-14 21:40:40
275KB
1