Deployers, non-profit organizations, and civil society provide information for AI governance and standards.

Civil Society informing人工智能治理与标准国际组织最佳实践小组

核心观点与问题
该研报探讨了技术平台如何更有效地构建以服务更广泛用户群体，并指出当前产品设计中存在的偏见和局限性。报告强调，以“理想用户”为中心的设计模式导致产品忽视边缘化群体（如非英语使用者、残障人士、农村居民等），80%的解决方案优先服务“多数”用户而牺牲特定需求。此外，产品开发缺乏主动影响评估和合规性设计，导致最终结果难以满足所有人需求。

关键发现与解决方案

1. 设计缺陷：现有技术平台存在性别、语言、设备普及率等多维度偏见，忽视辅助设备使用者、低收入群体等。
2. 数据偏见问题：基于有偏见数据的系统会加剧对边缘群体的歧视，因此需在模型建立前进行数据偏见分析。
3. 主动设计原则：提出解决方案需具备“意图性”并得到支持，包括：
   • 早期集成：将包容性设计要求（含指标和激励机制）嵌入流程。
   • 社区参与：让受影响者参与讨论，确保边缘群体声音被纳入。
   • 运营与领导力支持：推动组织变革以落实包容性设计。

数据营养项目与标准化工具
为解决数据质量问题，报告提出“数据营养项目”，核心工具包括：

• 数据集营养标签：标准化文档工具，标识数据集健康度及适用性。
• 标签与方法论应用：
  • 支持联合国报告（如“质量衡量指标”）、人工智能评估框架（如CLeAR）。
  • 通过标签化提升数据透明度，为政策制定者提供决策依据。
• 培训与推广：通过研讨会、标签制作派对等形式普及数据质量知识。

行动建议
呼吁决策者、学术界及企业采用数据营养标签，并参与跨学科对话（如FTC评论、地方法案讨论），以推动负责任的人工智能发展。

联系方式
kchmielinski@cyber.harvard.edu | datanutrition.org
（附Cvent活动反馈流程：打开应用→点击“安排”→输入关键词“IAPP AIGG24”→完成评估并评分）