监管AI：我们需要新工具吗？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Regulating AI: do we need new tools?》
---
作者：
Otello Ardovino, Jacopo Arpetti, Marco Delmastro
---
最新提交年份：
2019
---
英文摘要：
  The Artificial Intelligence paradigm (hereinafter referred to as \"AI\") builds on the analysis of data able, among other things, to snap pictures of the individuals\' behaviors and preferences. Such data represent the most valuable currency in the digital ecosystem, where their value derives from their being a fundamental asset in order to train machines with a view to developing AI applications. In this environment, online providers attract users by offering them services for free and getting in exchange data generated right through the usage of such services. This swap, characterized by an implicit nature, constitutes the focus of the present paper, in the light of the disequilibria, as well as market failures, that it may bring about. We use mobile apps and the related permission system as an ideal environment to explore, via econometric tools, those issues. The results, stemming from a dataset of over one million observations, show that both buyers and sellers are aware that access to digital services implicitly implies an exchange of data, although this does not have a considerable impact neither on the level of downloads (demand), nor on the level of the prices (supply). In other words, the implicit nature of this exchange does not allow market indicators to work efficiently. We conclude that current policies (e.g. transparency rules) may be inherently biased and we put forward suggestions for a new approach.
---
中文摘要：
人工智能范式（以下简称“AI”）建立在数据分析的基础上，能够捕捉个人行为和偏好的图片。这些数据是数字生态系统中最有价值的货币，它们的价值来自于它们是一种基本资产，用于训练机器以开发AI应用程序。在这种环境下，在线提供商通过向用户免费提供服务和通过使用此类服务获取交换数据来吸引用户。鉴于这种互换可能带来的不平衡以及市场失灵，这种互换具有隐含的性质，构成了本文件的重点。我们使用移动应用程序和相关许可系统作为理想的环境，通过计量经济学工具来探索这些问题。结果来自一个100多万次观察的数据集，表明买方和卖方都知道，获得数字服务隐含着数据交换，尽管这对下载水平（需求）和价格水平（供应）都没有很大影响。换言之，这种交易的隐含性质不允许市场指标有效运作。我们得出结论，当前的政策（如透明度规则）可能存在固有的偏见，我们提出了新方法的建议。
---
分类信息：

一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Computer Science        计算机科学
二级分类：Artificial Intelligence        人工智能
分类描述：Covers all areas of AI except Vision, Robotics, Machine Learning, Multiagent Systems, and Computation and Language (Natural Language Processing), which have separate subject areas. In particular, includes Expert Systems, Theorem Proving (although this may overlap with Logic in Computer Science), Knowledge Representation, Planning, and Uncertainty in AI. Roughly includes material in ACM Subject Classes I.2.0, I.2.1, I.2.3, I.2.4, I.2.8, and I.2.11.
涵盖了人工智能的所有领域，除了视觉、机器人、机器学习、多智能体系统以及计算和语言（自然语言处理），这些领域有独立的学科领域。特别地，包括专家系统，定理证明（尽管这可能与计算机科学中的逻辑重叠），知识表示，规划，和人工智能中的不确定性。大致包括ACM学科类I.2.0、I.2.1、I.2.3、I.2.4、I.2.8和I.2.11中的材料。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
PDF下载：
--> Regulating_AI:_do_we_need_new_tools?.pdf (391.94 KB)

2022-6-14 14:26:27 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Intelligence observations Quantitative Transparency Presentation

<<监管AI：我们需要新工具吗？>>Otello Ardovino（*），Autoritáper le Garanzie nelle ComunicazioniJacopo Arpetti，罗马大学Tor VergataMarco Delmastro（*），Autoritáper le Garanzie nelle Comunicazionia摘要人工智能范式（以下简称“AI”）建立在数据分析的基础上，能够捕捉个人行为和偏好的图片。这些数据代表着数字生态系统中最有价值的货币，它们的价值来自于它们作为基础资产，用于训练机器以开发AI应用程序。在这种环境下，在线提供商通过向用户免费提供服务，并通过使用这些服务获得Exchange数据来吸引用户。鉴于这种互换可能带来的不平衡以及市场失灵，这种互换具有隐含的性质，构成了本文件的重点。我们使用移动应用程序和相关许可系统作为一个理想的环境，通过计量经济学工具来探索这些问题。结果来自一个超过一百万次观察的数据集，表明买方和卖方都知道，获得数字服务隐含着数据交换，尽管这对下载水平（需求）和价格水平（供应）都没有很大影响。换言之，这种交易的隐含性质不允许市场指标有效运作。我们得出结论，当前的政策（例如。

透明规则（transparencyrules）可能存在固有的偏见，我们提出了新方法的建议。关键词：数字市场·不对称信息·隐性交易·数据监管·零定价appsJEL分类：D4；D82；D52；E71；L5；L14；L51、联系人：！Otello Ardovino，经济与统计系通讯作者(http://orcid.org/0000-0001-9226-6348)Autoritáper le Garanzie nelle Comunicazioni-Centro Direzionale，Isola B5-80143，那不勒斯，意大利邮箱：o。ardovino@agcom.itJacopo通讯作者阿佩蒂(http://orcid.org/0000-0002-3448-1055)罗马大学企业工程系Tor VergataVia del Politecnico，1-00133，罗马，意大利电子邮件：jacopo。arpetti@uniroma2.itMarcoDelmastro，经济与统计系通讯作者(http://orcid.org/0000-0002-8527-3117）Autoritáper le Garanzie nelle Comunicazioni-Via Isonzo，21/b-00198，罗马，意大利电子邮件：m。delmastro@agcom.it（*）作者感谢Andrea Vitaletti的有益评论。通常的免责声明适用。Otello Ardovino和Marco Delmastro在此发表的观点是作者的唯一责任，不能解释为反映了le Garanzie nelle Comunicazioni的观点。1、简介整个人工智能范式建立在对主要由个人生成的数据进行分析的基础上，然后用于训练机器（有监督、半监督和无监督机器学习）。

因此，源于个人行为和偏好的数据（无论是否属于个人性质）在很大程度上代表了AIapplications所特有的数据饥渴的数字生态系统中最有价值的“货币”之一。这类数据的收集出现了一个问题，它围绕着交易的隐含性质，一方面涉及平台提供的服务，另一方面涉及个人提供的数据。目前的贡献侧重于从经济和社会（静态和动态）效率方面影响市场结果的这种关系。新兴的数字经济以“数据驱动”商业模式为特征（Delmastro&Nicita，2019），旨在通过数据聚合和分析创造价值，反过来，个人可以选择放弃自己的数据（或允许收集），以换取平台提供的服务（见下文定义）。

因此，整个模型依赖于服务的隐性swapof数据，这除了对消费者的一系列（正面和负面）外部性和锁定效应外，还可能导致进一步的市场失灵。关于上述数据相关交易，值得注意的是，一些文献确实将隐私权视为经济动态的“领域”，而不是个人的绝对权利；从这个意义上讲，隐私可以被视为一种商品，意味着相关的贸易抵消，因此包括个人的成本效益评估（关于隐私作为商品的概念，请参见Bennett；Davies（Bennett，1995；Davies，1997））。尽管从相关动态和个人评估的角度来看，任何数据传输理论上都可以等同于货物交换，但将此类交易放在同一水平上并不准确，因为个人在实践中很难确定其提供的数据的实际经济价值。上述将隐私视为商品的做法引发了关于个人有限理性概念的激烈辩论[见（Cohen，2000）]。事实上，当个人同意转让其数据时，他们会根据成本效益进行评估，类似于针对每个购买决策进行的评估。然而，在决定是否向在线主题提供自己的数据时，因此，当定义他们的数字行为时（即，相对于在线玩家应用的特定隐私政策，是否消费数字服务），个人的推理旨在了解提供个人信息是否方便，以换取其他性质的利益（经济或非经济）。

在这样的背景下，在线数字服务的用户无法利用所有必要的信息来衡量他们实际承担的成本（不确定的和潜在的），因为他们所处的环境使得很难彻底进行评估。在这种情况下，数字用户无法明确看到的交易（即“隐性交易”）更为突出，个人在定义非货币性服务的边际价值方面的能力有限，会影响对其他性质服务的数据交换评估，增量收益<<与焦点产品或其价格相关>>（Acquisti&Grossklags，2005，2008b）。这些约束因不完全信息、信息不对称和有限理性而加剧（Akerlof，1970；Arrow，1958；Simon，1955），迫使个人在以不确定性和高度复杂性为特征的背景下，对数据传输的结果进行评估，以换取非货币性和通常是无形资产（主要是服务）。这会影响个人对相关后果的评估，从而影响其发生的可能性<<因为自然状态可能未知，也可能事先未知>>（Acquisti&Grossklags，2008a）。数字环境的特点确实是外源性和内源性因素，这使得评估变得困难，首先是不确定性，这是影响个人选择的第一个因素。加上个人对数据传输本身的偏好，个人确实需要应对在线交易所隐含的权衡的不确定性。此外，由于技术进步和越来越普遍的数据收集实践，不对称信息进一步增加。

事实上，数据经济范式的出现使得数据收集对于用户来说几乎是不可察觉的，如果不是不可见的，那么用户对收集的关于他/她的数据量、他/她为了访问某些服务而实际让渡给平台的数据种类知之甚少，获取的数据将如何使用以及产生什么后果。这让人想起了Acquisti的“空白支票”比喻（Acquisti，2010，第15、16页）。论文的其余部分组织如下。在第2节中，我们提供了一个概念框架，它构成了分析的背景。在第3节中，我们说明了实证分析的研究设计，旨在研究消费者和在线运营商之间的（隐性）交易。在第4节中，我们根据mobileapps上的数百万数据，展示了经济计量模型的详细阐述结果。最后，第5节提供了我们的结论以及潜在的政策影响。2、概念框架暂时撇开所涉关系的非恰当交易性质不谈，个人采用自己的数据相关决策来交换在线服务的背景是由信息不对称和有限理性塑造的。长期以来，用经济学术语描述理性的传统标志性特征被认为是消费者最大化其预期效用的目标。

随着“有限理性”概念的引入，Kahneman和Tversky显示了个人偏好与理性公理之间的逻辑不一致，显示了偏好如何受到框架的影响，从而受到备选方案公式的影响（Kahneman和Tversky，1986），然后通过参考依赖和前景理论（Kahneman，2011；Kahneman&Tversky，1979；Tversky&Kahneman，1991）。关于参考依赖性，卡尼曼和特维斯基展示了个人如何以一个点作为参考点（参考点）来评估结果，以便对收益和损失进行分类（特维斯基和卡尼曼，1991）。从这一假设出发，Adjerid、Acquisti、Brandimarte和Loewenstein（2013）为个人提供了有关其在数字环境中获取的数据的后续使用信息，表明他们对数据传输的偏好可能会发生变化，以至于相同的隐私声明并不总是导致相同程度的数据披露。置身于一个由他们无法赋值的元素构成的世界中，个人似乎无法理解某一特定事件发生的可能性，也无法理解其行为的后果。从80年代开始，许多理论表明——在不同的背景下——偏离了当时统一的理性经济概念【例如（Benartzi&Thaler，1995年）】。

在我们的论文中，我们参考了个人为了交换其他性质的服务而放弃的数据的数字动态，以精确定位到目前为止个人经济选择中细微差别的理性概念，并相应地展示个人在数据社会背景下如何做出“非理性”选择。在数字环境中，个人对数据传输的选择确实受到不完整和对称信息的影响（Akerlof，1970），因为在线数字用户通常不知道在线玩家真正收集的数据量，也不知道这些数据将如何使用，也不知道这些数据可以卖给谁。个人无法预见其短期用途，也无法预见其放弃的数据可能会受到的前瞻性处理。由于当前信息社会固有的复杂性，以及上述个人的有限理性，数据主体被迫使用简化模型解密数字现实，虽然启发式的存在也会在完全信息的超理性条件下挑战理性决策逻辑（根据认知异常）。此外，由于数据传输的潜在非事务性，数字用户对其数据的内在价值和数据割让相关风险的新认识仍然薄弱。由于在线环境中数字交易的隐性性质，个人无法为即将让渡的数据分配经济价值，让Alonet将其与作为回报获得的服务进行比较，或者权衡与其选择相关的风险，为其后果分配发生概率。

因此，这种“交换”所涉及的要素的性质不同，个人无法为其数据附加适当的价值，因为他们无法感知所经历情况的交易性质。由于没有其他选择或有效的参考点来打破这一“循环”，个人会冲动地放弃自己的数据，几乎接受平台强加给他们的任何条件，这已经构成了市场失灵。如果与不完整信息和信息不对称相关的不确定性可能导致低风险感知（再次考虑到有限理性和认知异常如何在以完整信息为特征的环境中影响选择），那么可以肯定，考虑到他们在交换数据时所采取的冲动性选择，忽略了一些起作用的变量，个人与受“赌徒谬论”影响的受试者有一些共同的偏见，跳转到仓促的结论，并在他们的数据上下注，认为交易总是会转向他们的优势。本文旨在分析具有受限个人理性特征的所有要素，以及对最终用户在线数字选择的交易性质的误解，如何导致其数据使用效率低下的市场结果。我们在一个实证环境中研究这种关系，即移动应用程序和相关许可系统，这为我们提供了一个理想的测试平台。事实上，应用程序许可系统是目前数字生态系统中最透明和标准化的数据交换形式。