类别在人工智能领域的作用
人工智能和机器学习的到来对传统的人员和内容分类方式提出了挑战，导致了新的问题思考方式，并可能引发新的偏见或歧视问题。.
传统的人工智能系统建立在专家知识和规则的基础上。例如，如果一家银行正在考虑向某人发放贷款，他们可能会根据性别、职业或其他人口统计学特征对候选人进行分类data。但如今，随着机器学习和深度学习人工智能模型的发展，人们开始摒弃僵化的分类方法。我们不再使用 “特定年龄和社会经济背景的女性 ”这样的类别，而是将重点转移到收集大量的行为 data 上。这种 data 可能包括银行交易或浏览历史等内容。我们的想法是，通过观察这些细粒度的 data，可以做出决策，而不必依赖可能会强化歧视的预定义类别。.
这种转变不仅仅是技术上的，它还提出了关于如何构建类别、类别对社会的影响以及在人工智能系统中使用类别的伦理考虑等哲学问题。.
人工智能法》：个人 data 和责任
以《人工智能法》为例，当前的人工智能立法格局揭示了传统立法类别与技术工具不断演变的性质之间的根本矛盾。. 认识到人工智能的风险和影响与使用环境密切相关，《人工智能法》根据使用情况对人工智能系统进行立法，而不是将其硬性分类。例如，该法案引入了能够进行多方面应用的多功能人工智能。面临的挑战是如何估计其风险，但在尚未明确界定其用途的情况下，如何评估其风险呢？
从传统机器学习到更先进的生成式人工智能的转变进一步模糊了使用和责任之间的界限。例如，使用生成式人工智能的零售聊天机器人可以使用内部工具和产品信息来提供建议或回答常见问题。但它也可能面临滥用问题，例如旨在为社交媒体帖子引出有毒回复的攻击性询问。这给企业提出了关键问题：管理这些风险的责任在哪里？如果攻击者利用了系统，责任是否只在于攻击者，还是人工智能的创建者和部署者也有责任？
随着人工智能生态系统中参与者数量的增加，责任也变得越来越分散。不仅是人工智能系统的部署者可能要承担责任，制作基础模型的实体也可能要承担责任。当事故发生时，确定谁是首当其冲的责任人就成了一项复杂的任务，尤其是当参与者分散在不同的组织甚至不同的地理位置时。.
人工智能监管和合乎道德的商业应用
像《人工智能法》这样的框架必须解决传统监管模式与当今动态人工智能环境之间的矛盾。适应性监管战略对于适应人工智能系统的多面性及其影响至关重要。.
企业可以利用从分类中获得的经验来完善客户细分战略、定制营销活动和个性化客户体验。此外，通过将道德因素纳入人工智能开发流程，企业可以降低偏见和歧视的风险，促进与利益相关者之间的信任和透明度。.
类别的重要性在于，它们是我们理解和评估世界的社会框架。微调类别对于代表不同的声音，尤其是受人工智能偏见影响的声音至关重要。让广泛的利益相关者（包括人工智能用户和受影响的个人）参与进来至关重要。.
“类别是一个透镜，我们可以通过它来评估和解决人工智能系统中的细微差别和潜在偏见。它们对于在利益相关者之间提供一种共同语言和理解，以及确保继续以负责任和合乎道德的方式开发和部署人工智能至关重要”。”让-马里-约翰-马修斯
