Voices in the Loop: Mapping Participatory AI
本文构建了一个开放、交互式的地图集及可复现的参与式人工智能倡议映射协议，揭示了现有努力在地理和主题上的集中分布，同时建立了一个动态框架以支持比较研究、政策学习和社区监督。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正在尝试绘制一片广阔、迷雾笼罩的群岛地图。每一座岛屿都代表一个项目，人们在这些项目中正与受其影响的社区共同构建人工智能（AI）。有些岛屿灯火通明，拥有清晰的地图；而另一些则被迷雾笼罩，或其地图已经遗失。
本文《循环中的声音：绘制参与式 AI 地图》旨在构建一本生动、互动的地图集，帮助我们清晰地看清这些岛屿。作者拉希德·穆什卡尼（Rashid Mushkani）指出，尽管许多人声称正在“参与”AI，但我们并不清楚谁在做什么、在哪里做，以及效果如何。
以下是对本文旅程的拆解，使用了简单的类比：
1. 问题：一座分散的图书馆
想象一座图书馆，其中关于“社区 AI 项目”的书籍散落各处。有些在政府档案中，有些在大学地下室里，有些只是博客文章，还有些是用难以搜索的语言写成的。
- 问题所在： 由于信息如此碎片化，研究人员和政策制定者无法比较项目。他们无法判断肯尼亚的一个项目是否与加拿大的一个项目相似，也无法判断一个项目是否真正赋予了人们在决策中的发言权，或者它是否只是“参与式清洗”（假装倾听，实则未做任何改变）。
- 目标： 作者希望收集这些散落的书籍，将其整理，并放置在同一张互动地图上。
2. 解决方案：构建"AI 地图集”
作者建立了一个包含131 个具体项目的开放存储库和互动地图集。请将此地图集想象成一本动态的维基，而非静态的相册，它可以被更新、修正和辩论。
- 配方（协议）： 作者并非随意猜测哪些项目应被纳入。他们制定了一套严格、可重复的配方（协议），用于寻找项目、核实其真实性并整理数据。
- 过滤器： 他们仅纳入那些实际上正在构建或使用 AI 系统，且有证据证明普通人（利益相关者）真正参与了该 AI 的设计或治理的项目。如果一个项目仅仅是利用 AI 来协助召开会议，则不予计入。
- 地图： 他们将这 131 个项目绘制在世界地图上，并标注了以下细节：
- 地点（地理分布）。
- 参与者（社区团体、大学、非政府组织）。
- 参与时机（人们是在定义问题时参与，还是仅在最终产品阶段参与？）。
3. 地图揭示的内容（发现）
当作者审视完成的地图时，四个主要模式浮现出来，如同群岛上的不同天气模式：
- “富裕”社区： 大多数有记录的项目集中在少数富裕国家，具体为美国、英国、加拿大和肯尼亚。
- 隐喻： 这就像拥有一张世界地图，其中大部分路灯都位于北美和欧洲。这并不意味着参与式 AI仅发生在这些地方，但这意味着这些地方是唯一拥有清晰、可搜索的“路标”（文档）的地方。
- “前门”与“厨房”： 大多数参与发生在开始（定义问题）或结束（评估结果）阶段。很少有人参与中间阶段（实际训练 AI 模型）。
- 隐喻： 想象一家餐厅。人们被邀请帮助选择菜单（问题构建）并品尝食物（评估）。但几乎没有人被邀请进入厨房协助烹饪（模型开发）。
- “谁”与“如何”： 最常见的参与类型是社区主导的倡议和共同设计（协同工作）。
- 缺失的页面： 大量信息缺失。对于许多项目，我们不知道它们何时结束、所有合作伙伴是谁，或者是否有第二来源来证实故事。这就像阅读一本有一半页面被撕掉的传记。
4. “动态”特性：为何此地图集与众不同
大多数研究论文就像一张快照：它们在某一时刻拍摄数据照片并发布。本文认为，AI 地图集必须是一个有生命的有机体。
- 修正渠道： 如果项目团队说“嘿，你们搞错了我们的细节”，或者“我们实际上确实让人们投票决定了模型”，地图集允许他们提交修正。
- 争议区域： 如果社区表示“该项目声称具有参与性，但我们被忽视了”，地图集有一个专门的地方记录这种争议。
- 版本控制： 就像软件更新一样，地图集发布“版本”。这意味着研究人员可以引用地图的特定版本，确切知道当时包含了哪些数据，即使地图后来发生了变化。
5. 未来的蓝图
最后，本文提出了一个治理框架。它建议，为了使 AI 真正实现参与式，我们用来追踪它的工具（如本地图集）也必须是参与式的。
- 规则： 文档不应仅仅是事实列表；它应成为一个允许可争辩性（挑战事实）、可追溯性（知晓信息来源）和社区权利（允许社区在需要时隐藏敏感信息）的系统。
总结
简而言之，本文指出："我们无法修复看不见的东西，也无法改进无法比较的东西。"
作者构建了一个包含 131 个 AI 项目的动态、众包地图，向我们展示参与发生在哪里、缺失在哪里，以及文档薄弱在哪里。最终目标不仅仅是统计项目数量，而是建立一个系统，让 AI 循环中的“声音”不仅被听见，而且被记录、被核实，并允许随时间推移修正记录。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。