1简介

在本文中，我们提出了一种方法来解释人工智能伦理原则并将其应用于实践，特别关注国防领域。近年来，定义领域相关人工智能伦理原则的举措和努力成倍增加（Jobin等人，2019）。国防领域也不例外，英国（国防部，2022）、美国（DIB，2020）和澳大利亚（Devitt et al.，2020）的国防机构，以及北约^脚注1都发布了人工智能伦理原则。然而，与其他领域提出的原则一样，这些原则被批评为过于抽象，无法为人工智能系统的实际设计、开发和使用提供具体指导（Coldicutt&；Miller，2019；Munn，2022；Peters，2019）。因此，它们为决策提供信息的效力受到了质疑。例如，一项包括软件工程专业学生和专业软件开发人员的调查显示

“[…]无论是学生还是专业人士，在看到和没有看到道德准则的个体中，对任何小插曲的反应都没有统计学上的显著差异”（McNamara等人，2018，4）

在国防和安全等领域，缺乏关于如何应用人工智能伦理原则的适用和有效指导尤其成问题（Taddeo，20132014；布兰查德和塔德奥，2023）

，司法（Angwin et al.，2016）和医疗保健（Obermeyer et al.，2019），其中与人工智能系统的使用相关的道德风险非常严重，可能会使个人权利和民主价值观面临巨大的贬值压力。这也是因为它们的通用性可能导致人工智能伦理原则的存在

“[…]被认为是无关的，是技术问题的盈余或某种“附加”，是从技术界“外部”机构强加的不绑定框架”（Hagendorff，202113）

这反过来可能会减少人工智能对表面操作的道德努力，使任何具体结果无效，并引发不当行为（Floridi，20191986）

为了有效，人工智能伦理原则需要与适当的方法相结合，就如何应用这些原则提供特定领域的指导（Taddeo&；Floridi，2018），以回答“我（提供商/设计师/开发人员/用户）必须做些什么才能确保人工智能生命周期的这一步尊重人工智能伦理原理？”这促使人工智能伦理研究从什么转向如何（Floridi，20191985），被称为“第三波伦理人工智能学术浪潮”（Georgieva et al.，2022）。因此，越来越多的文献专注于开发人工智能伦理工具和流程，以实施人工智能伦理原则^脚注2

然而，通过直接关注工具和适用的解决方案，第三波文献留下了与这些原则的解释有关的未解决的关键规范性问题。人工智能伦理工具的选择往往是以规范性决定为前提的，而仅靠参考原则是无法做出的（Blanchard et al.，2024）。例如，选择基于道德的审计工具意味着要决定用于评估的指标类型，无论是定性的还是定量的。反过来，衡量标准的类型决定了审计和道德评估的范围。这就需要指导人们在特定情况下应该选择什么类型的指标。鉴于这些原则的高级性和基础性，已将其与宪法原则进行了比较（Morley et al.，2021）。与宪法原则一样，人工智能伦理原则可以按照不同的方法进行解释，但目前尚不清楚哪种方法最适合这些原则，以及是否存在需要在不同领域使用不同方法的领域相关方面。同时，当应用于特定案例时，人工智能伦理原则可能会产生需要平衡原则的紧张关系，而仅靠原则或工具无法确定正确的平衡（Whittlestone et al.，2019）。出现的问题是什么样的标准应该形成这种平衡

简而言之，人工智能伦理原则和人工智能伦理工具之间有一个中间步骤，涉及到将这些原则解释和应用于实践的方法规范。相关文献中忽略了这一步骤。缩小这一差距是本文的目标。为此，我们描述了一种新的三步方法，用于解释和应用人工智能伦理原则国防领域^脚注3该方法旨在供多方利益相关者道德委员会使用，该委员会遵循从高层原则中提取道德准则的步骤。这三个步骤分别是抽象、道德需求引出和平衡

为了说明该方法的应用，我们使用了英国国防部提供的人工智能伦理原则（国防部，2022）^脚注4然而，值得强调的是，所提出的方法是原则不可知的，可以应用于任何一组人工智能伦理原则。它旨在通过确保所有相关利益相关者（包括受影响的利益相关者）的代表性和参与，以及减少利益冲突和道德下放风险的措施，解决人工智能在国防和安全、医疗保健和司法等高风险领域的使用问题

在本文的其余部分中，我们将介绍第节中的道德委员会和三步方法。2，提供第节中方法论应用的例子。3，并在第三节中总结我们的分析。4.

2从国防伦理人工智能原则中提取指南的三步方法

在为高风险领域的公共机构指定伦理指南时，三类风险特别相关。第一个风险涉及由此产生的指导方针的道德合法性，即指导方针是否正确反映了一个机构的人工智能伦理原则以及总体民主价值观和对人权的尊重；第二，道德下放的风险，即实施人工智能道德原则的负担从机构转移到员工身上；第三，用于解释提取指南的原则的过程的有限再现性和可擦性的风险。该方法以一个独立的多利益相关者道德委员会为中心，旨在解决所有三类风险

EB遵循三个步骤从高级原则中提取道德准则。这三个步骤是：（1）确定用于对人工智能生命周期建模的适当抽象级别（LoA）；（2）解释这些原则，以提取人工智能生命周期每个阶段需要满足的具体要求；以及（3）确定标准，为原则的目的和具体情况的平衡提供信息。该方法是一个迭代过程，在实施过程中不断完善。必须强调的是，这一进程不是在真空中进行的，而是受到民主社会中已经支撑国防机构工作的权利和价值观的影响，并努力与之保持一致（图1）。在描述三个步骤之前，我们先概述EB

2.1独立的多利益相关者道德委员会

EB有三项任务：确定LoA以模拟人工智能生命周期；解释这些原则，以提取人工智能生命周期的每一步需要满足的具体要求；以及确定标准，为原则的目的和具体情况的平衡提供信息。这些任务需要人工智能、人工智能伦理、军事伦理、正义战争理论、国防和安全方面的深入专业知识，以及民权、民主价值观、相关国际法（包括国际人道主义法和国际人权法）和相关国防机构内部程序方面的专业知识。因此，EB应包括所有这些领域的专家。除了专业知识的广度外，EB必须独立于采用这些原则的机构，并包括受人工智能在国防中的使用影响的不同类别利益相关者的代表

有三个原因支持EB独立性的必要性。首先，独立的EB将降低操纵风险。相关文献显示了对解释伦理原则的尝试进行操纵的风险的证据和共识（Fazelppour和Lipton，2020；克里希南，2020；Terzis，2020）。正如Morley等人。强调：

“人工智能从业者可以选择与他们对伦理原则最方便的认识论理解相一致的翻译工具，而不是与社会偏好的理解相一致”，（Morley等人，2021243）

这造成了道德购物和道德清洗的风险（Floridi，2019），以及与这些不当行为相关的声誉损害。第二个原因涉及避免道德下放的风险。当解释人工智能伦理原则和确定实施这些原则的标准的责任从机构转移到其成员（员工）身上时，就会发生这种渎职行为，他们可能缺乏必要的专业知识、资源和对伦理风险的理解，无法做出规范性决策，例如平衡相互冲突的原则。道德权力下放可能导致道德挑战过于简单化，例如，当这些挑战被简化为健康和安全问题时，以及对道德解决方案和不当行为的轻视，如道德洗蓝和道德倾销（Floridi，2019）。如果没有多方利益相关者EB提供的运营独立性和正当理由，工作人员可能会将制定和应用道德准则的努力视为一种附加或额外的负担，破坏亲道德的机构文化的发展和任何人工智能道德倡议的成果。第三，由于前两个原因，独立董事会可以在国防组织内培养真正的亲道德态度，国防组织的成员会认为，机构对道德的关注不是肤浅的，他们可以依靠独立的专业知识来识别和减轻道德风险

为了使EB有效，至关重要的是，所有相关类别的利益相关者都要参与进来，他们的参与需要在指导方针的制定中发挥积极作用。这至少应包括国防机构和民间社会代表（我们将这一类别视为代表非战斗人员的利益）以及非政府组织（如红十字国际委员会），以确保非战斗人员利益相关者和技术提供商的更广泛代表性

Davies等人（2015）确定了利益相关者参与制定指导方针过程的两种方法：对话或协商。它们进一步区分

“如何证明一个规范性结论的合理性，得出该结论的分析过程，以及寻求的类结论。[…]”得出结论的分析过程：我们应该优先考虑思想家、理论还是利益相关者？[…和]“所寻求的结论是：我们是否应该以普遍性的特殊性为目标？”（Davies et al.，2015）

在对话方法下，道德分析是利益相关者参与过程本身的一部分。在这种情况下，基于共识的方法证明了规范性结论的合理性（Widdershoven等人，2009年）。一些对话方法依赖于这样一种观点，即对话可以导致个人对世界达成共同理解，从而就正确的解决方案达成一致。其他解释认为，民主权威而不是共同的解释和共识提供了规范性的理由（Kim et al.，2009）。在这种情况下，理由来源于为得出结论而援引的民主进程的合法性，而不是实际结果或解决方案

在协商方法下，伦理分析是在与利益相关者明确接触后进行的，例如通过研讨会、焦点小组或小型公众协商。然而，尽管利益相关者的观点融入了伦理分析，但他们并没有参与其中。通过协商方法，规范性结论是基于所提出的解决方案与所采用的道德理论的一致性，即与背景原则和案例的一致性和反思平衡（Davies et al.，2015）。这里的关键要素是“连贯性”的定义。例如，Dunn等人（2012）根据现实世界实践推理中的议论文标准，而不是道德理论和经验事实之间的一致性来定义连贯性。在这里，正当理由是基于普遍的正当理由标准和相关的背景考虑之间的一致性。其他人则根据狭义或广义反射平衡（RE）来定义“连贯性”（Rawls，1999）。狭义RE寻求数据和理论之间的一致性，广义RE寻求同等重要的许多相关因素之间的一致，例如数据、理论、道德原则、道德他人的经历、道德相关的事实和其他背景理论。生物伦理学中许多更广泛的协商方法都是基于广泛的RE。然而，一些人拒绝认为所有因素都具有同等的权重，例如，基于反射性平衡的方法强调，一些因素是“准基本道德原则”，必须围绕这些原则建立一致性

在考虑国防领域道德准则的定义时，这两种方法都提供了重要的见解。例如，在为人工智能系统制定道德准则时，对话方法的话语元素以及围绕道德风险和理想解决方案达成共识的必要性是关键，这将以不同的方式影响不同的利益相关者群体。与此同时，在考虑如何在特定背景下平衡相互竞争的伦理原则时，关于协商方法中反思性平衡的辩论是核心^脚注5

采用Davies及其同事提出的区别，我们认为如果按照对话方法构建EB，它将发挥最佳作用。只要所有合法利益都有适当的代表性，并且对话是根据适当的背景规范（如透明度、再现性、军事伦理、公正战争理论）、民主价值观和亲道德的制度文化进行的，通过对话达成的共识和利益相关者的积极参与，将为EB的决定提供坚实的规范依据。这是因为，有了不同利益相关者的充分代表和适当的基本规则，旨在根据对话方法工作的EB可以实现道德公正（Habermas，1990），并找到调和不同利益的公平方法（McCarthy，1995；J.Heath，2014），即董事会应该提出具有所有相关方都可以接受的公平结果的建议。考虑到我们正在考虑的高风险领域，这一点至关重要。

为了实现道德公正，EB应遵循哈贝马斯的话语伦理理论（哈贝马斯，1990；哈贝马斯等人，2010；哈贝玛斯，2021），通过对话（话语），利益相关者承诺理性考虑他人的利益，为自己的立场辩护，并努力寻找普遍认可的规范，即通过确定其效果可被各方公平接受的规范来解决特定的利益冲突。当EB必须说明如何在特定情况下平衡道德原则时，这将特别重要。我们现在关注方法的第一步，抽象

2.2摘要

相关文献中的共识是，人工智能伦理准则应涵盖人工智能系统的整个生命周期（Alshamari&；Simpson，2017；d’Aquin等人，2018；Leslie，2019；国防部，2022；Cihon等人，2021；Dunnmon等人，2021年；人工智能高级别专家组，2019；Ayling&；Chapman，2022；Mäntymäki等人，2022）。这符合更广泛的共识，即人工智能伦理治理必须是全面和系统的，才能有效（Eitel Porter，2021）。从工艺、产品和目的的角度来看，这很重要（Stilgoe等人，2013）。关于过程，特定项目的需求可能会超出最初设想的范围，随之而来的可能是新的道德风险。从产品的角度来看，一些人工智能模型，如生成模型，可能会产生新的和意想不到的行为（Taddeo et al.，2022），因此，确保产品在产品发布后继续遵守道德原则至关重要。从目的的角度来看，项目的社会和政治动机以及创新的目标或轨迹可能会随着时间的推移而变化，因此，确保对项目的控制需要对其道德影响进行持续监测

我们同意伦理准则需要解决人工智能系统的整个生命周期。我们认为，就人工智能生命周期是人工智能技术设计、开发和部署的过程和条件的模型而言，它具有规范价值，因为定义人工智能生命期的人定义了原则和指南的适用范围。这就是为什么人工智能生命周期的建模是EB的任务

人工智能生命周期建模的一个关键因素是模型的粒度。生命周期中阶段分化不足可能导致盲点和道德风险的产生。然而，如果确定了太多的阶段（包括相关任务），则原则的迭代应用会成倍增加，使指南变得笨拙。过于精细的方法也有风险价值不大，因为人工智能的快速发展改变了生命周期阶段，它可能已经过时了。现有的标准和框架可以帮助找到正确的粒度来对人工智能生命周期进行建模。然而，在这种情况下，出现了有关范围和目的的问题。

如果不是为了帮助伦理分析或应用伦理原则而制定的标准和框架不具有误导性，可能会被证明是不充分的。例如，考虑一下美国国家标准协会；技术（NIST）人工智能风险管理框架（RMF）（NIST，2023）。该框架与用例无关，适用于跨不同领域和部门设计、开发和部署人工智能系统的组织。其目的是帮助识别和缓解风险，包括人工智能生命周期模型以及与生命周期每个阶段相关的代理及其管理人工智能风险的责任（图2）。NIST的人工智能生命周期模型在其他模型的基础上有所改进，但由于它不是为了帮助解释伦理原则而设计的，因此在用于此目的时具有严重的局限性。如果没有根据具体情况确定人工智能生命周期中的重要步骤的灵活性，上下文无关的框架就有可能在与具体情况要求不一致的水平上进行道德分析，如相关的军事发展程序、评估的比例性，或只是遗漏了生命周期中出现道德风险的关键步骤。

如何对人工智能生命周期建模并非易事。为了促进这一选择，我们使用抽象水平（LoAs）（Floridi，2008）。在继续之前，需要对意向书进行简要介绍。LoA在系统工程和计算机科学中用于设计给定系统的模型（Hoare，1972；Heath等人，1994；Diller，1994；Jacky，1997；Boca，2014）。它们也被广泛用于数字伦理（Floridi&；Taddeo，2016），并已应用于该研究领域，以解决几个关键问题，如确定在线服务提供商的责任（Taddeo&；Floridi，2015），为COVID 19大流行期间追踪和跟踪技术的部署提供指导（Morley et al.，2020a，2020b），分析网络空间威慑的可能性（Taddeo），2017a，并考虑信任数字技术的道德影响Taddeo（2017b）

任何给定的系统，例如汽车，都可以通过关注特定属性而忽略其他属性来观察。这些方面的选择，即可观察性，取决于观察者的目的或目标。对最大限度地提高汽车空气动力学感兴趣的工程师可能会关注其部件的形状、重量和材料。对汽车美学感兴趣的客户可能会关注其颜色和整体外观。工程师和客户在不同的LoA观察同一辆车。因此，LoA是一组有限但非空的可观测值，并附有一个关于这样的LoA代表的系统特征的陈述。LoA的集合构成了一个接口。当从不同的角度分析系统时，即在不同的LoA时，使用接口。需要强调的是，LoA不必是分层的（尽管它们可以是分层的）：工程师和用户的LoA不会比另一个更高或更低。请注意，一个LoA并不能将汽车简化为其部件的空气动力学或整体外观。相反，LoA是一种工具，有助于明确观察视角，并将其限制在特定观察中与所选目的相关的元素上（Floridi，2008）

在考虑人工智能生命周期时，正确的LoA是允许识别生命周期中出现原则所解决的道德风险的点以及相关的责任参与者的LoA。这就是为什么我们选择了一个GoA（以下简称GoA_伦理），它结合了三个LoA，重点关注：人工智能生命周期的步骤（LoA_steps

如上所述，分析的粒度对于可行、敏捷和有影响力的指导方针至关重要。为了避免与粒度过低或过高相关的风险解决方案是专注于人工智能生命周期的步骤，而忽略更广泛的阶段（粒度太低）和步骤所需的特定任务（粒度太高）。至于LoA_参与者，我们既包括提供技术或为其设计和开发做出贡献的人（我们称他们为提供商），也包括决定、执行和监控人工智能系统部署的人（我方称他们为用户）。提供技术的公司和开发或使用技术的国防组织都有内部层次和结构，这些层次和结构决定了组织的不同部分参与人工智能生命周期的每一步的方式。因此，我们建议按照现有结构确定对不同步骤的指导方针的执行负责的行为者

下面，我们提供了一个例子，说明在给定拟议的GoA的情况下，人工智能生命周期的模型会是什么样子。这里值得强调的是，EB的任务之一是确定正确的LoA并相应地规定道德风险。下面的例子只是概述一个可能的模型的一种方法。所提出的模型是改编中提出的人工智能生命周期模型的结果（Floridi等人，2022）。我们之所以选择此模型，是因为它基于广泛采用的软件开发标准，如ISO、IEC和IEEE标准（ISO/IEC TR 24748–1^脚注6和ISO/IEC/IEEE 12207:2017）^脚注7脚注8，也是因为该模型已被提出用于定义对人工智能使用实施基于道德的审计的过程（Floridi等人，2022）。因此，它已经包括了与伦理相关的方面。例如，它包括一个评估阶段，这在考虑人工智能的高风险应用时是相关的，例如国防领域的应用。最初的模型包括五个阶段，即设计、开发、评估、运营和退役。我们将其调整为包括采购阶段，如图所示。3，以确定人工智能生命周期中关于开发新人工智能系统的决策可能导致不道德后果的那些点。区分采购（和概念化）步骤和设计（和定义）步骤，前者包括可能用例的说明、系统效用和影响的考虑以及对供应商的要求；后者指的是具体技术要求的定义，例如人工智能模型的数据需求和架构，这将为实际使用的终端系统提供信息

下面的表1显示了使用GoA_Ethics的人工智能生命周期的结果模型。该模型规定了如何定义道德原则解释产生的道德要求，以解决与人工智能生命周期模型步骤相关的道德风险，并指示哪些参与者负责满足这些要求。该模型可以扩展到考虑与国防组织中项目处理和部署方式相关的具体步骤。例如，在英国工作的EB可以考虑扩展模型，以包括CADMID周期的特定步骤，^脚注9，只要这些步骤被认为会助长特定的道德风险。以下部分将更详细地探讨解释伦理原则的方法

2.3解释和需求引出

如引言所述，人工智能伦理原则已与宪法原则进行了比较。与宪法原则一样，伦理原则是基础性的，而不是提供详细的指导方针：它们嵌入的价值观比具体的指令更多，用简单明了的语言表达，并且具有“开放的纹理特征[…和]以目的为导向的性质”（Dehousse，1998，76）。它们通常以非分层的方式表达，但它们具有竞争力，可能需要根据具体的应用环境相互平衡。这些共同的特征使司法方法论得以解释有助于解释伦理原则的宪法原则

相关文献确定了宪法法官解释宪法原则的五种方法（Llorens，1999）：字面、历史、上下文、比较和目的论^脚注10对于人工智能伦理原则的解释，我们参考了目的论方法论，而忽略了其他方法论^脚注11这是因为字面和上下文方法分别着眼于原则的单词的确切含义及其直接上下文，以理解处方，但忽略了原则的总体目标。正因为如此，这两种方法可能导致与相关立法目标不一致的解释（Llorens，1999）。历史方法侧重于立法者的意图和（或）原则在批准时的作用。在这里，只要立法者是表达公众意愿的代表机构，就可以考虑立法者（议会）的意图。考虑到起草人工智能伦理原则的机构，情况并非如此。人工智能伦理原则不是正式批准的法规，也不是立法者明确意图的产物。因此，这种方法不适合我们的分析目的。比较方法考虑了对其他法院采用的类似原则的解释。就人工智能伦理原则而言，目前还没有一个既定的传统或方法来解释这些原则，因此这种方法是不可行的

目的论方法论侧重于原则的目的、背景和目标，并致力于达到效果（有用效果）。它以1969年《维也纳条约法公约》第31.1条为依据，该条规定

“【a】条约应根据其上下文中赋予条约条款的普通含义，并根据其目的和宗旨进行善意解释。”^脚注12

目的论解释着眼于原则的措辞，以确定其精神，这是原则旨在保护的基本价值观和权利。它考虑了背景和目标，这是指陈述原则的背景，例如具体条约，以及它所属条约的目标。关于如何解释一项原则的决定可以通过考虑所谓的准备工作文件来帮助，即为协助起草原则本身而编制的现有文件，这些文件可以用来澄清其目的。该方法必须是有效的，也就是说，一旦确定了一项原则的目的，就会对其进行解释，以实现有效性、一致性和与特定国家法律框架的一致性（Brittain，2016；芬内利，1997年）

遵循目的论方法，EB应首先考虑原则的精神，以确定其保护的价值观和权利。在这里，论述了第三节所述的话语伦理理论。2对于调和不同利益相关者的观点至关重要。董事会应考虑背景和目标。在我们国防部发布的伦理原则的例子中，上下文可以直接确定，因为它指的是一系列价值观，例如民主价值观、军事伦理价值观和伦理原则，例如正义战争理论（Blanchard&；Taddeo，2022）提供的原则

目标是指识别和减轻道德风险原则的总体目标。最后，尊重确保原则产生有益成果的承诺，董事会必须制定有效、适用的措施，以确保目标得到实现，原则中保护的价值观或权利不受侵犯。鉴于效应util元素，董事会应定义人工智能生命周期的每一步都需要满足的要求，以避免违反人工智能伦理原则。换言之，EB将努力回答“我（提供商/设计师/开发者/用户）必须做些什么才能确保人工智能生命周期的这一步骤尊重人工智能伦理原则？”。例如，在解释“合理和可否决的使用”原则时，EB可以规定人工智能系统从采购到设计步骤的以下要求：

必须进行分析，绘制与为特定目标使用设想的人工智能系统相关的道德风险图，并详细说明缓解策略针对此类风险
必须进行成本效益分析，显示拟议解决方案的军事（或组织）价值，证明有益的结果以及可能侵犯权利和价值的比例
人工智能解决方案的概念化应指定程序，以确保系统的人为可超越性

收到董事会建议的组织应将这些要求视为人工智能系统在其生命周期中运行的必要条件，并确保采取必要措施减轻EB确定的道德风险。我们并不关注这些要求的实施及其验证，因为这些要求也取决于具体的内部组织政策，但值得强调的是，如果指导方针一经翻译，就没有在机构层面得到采纳和尊重，那么将道德原则转化或解释为实践的努力将是徒劳的

2.4平衡原则

方法的第三步也是最后一步涉及原则的平衡。在某些情况下，伦理原则可能需要相互平衡。例如，人们可以想象一种情况，一个人工智能系统比另一个选择更健壮，但透明度更低。在这方面，伦理原则与宪法原则相辅相成，而宪法原则往往相互竞争。在这种情况下，法院通常会建立一个依赖于上下文的等级制度。正如Alexy所说：

“寻找一个“条件优先关系”的命题（Alexy，2002,52）：如果给定条件x，[原则1]优先于[原则2]；如果给定条件y，则[原则2]优先于[原则1]。”（重点补充，（如Guastini，2019132所述））

条件优先关系的定义是公平平衡原则的关键，但这可能很棘手，因为它必须考虑组织的制度和文化因素，并确保由此产生的平衡导致符合国防机构整体精神和民主价值观的结果。在这里，董事会的独立性和多利益相关者性质为所定义的条件优先关系的公平性提供了保证，而目的论方法为如何在特定情况下思考和平衡相互竞争的原则提供了指导。平衡应取决于目的和背景，也就是说，它应关注道德风险，特别是人工智能生命周期中与人工智能系统的目的和使用有关的风险大小和影响——无论是维持和支持、对抗性和非动力、对抗性与动力——以及部署的具体条件。例如，EB可能必须考虑特定动能手术的手术室。EB可以提供有效指导的一种方式是，在满足道德要求的特定目的和特定环境的容忍阈值（即需要严格满足要求的程度）方面表达条件优先关系

因此，原则的平衡应包括评估特定用途和使用背景下道德风险的可能性和影响（Taddeo等人，2021；Novelli等人，2023）。例如，用于维持和支持的人工智能系统，以及用于动能和对抗性使用的人工智能，在提供者方面缺乏透明度和可追溯性，可能会产生同样的责任差距风险。然而，如果风险成为现实，其对动能和对抗性用途的影响将高得多。这可能会指导EB为满足动能和对抗性用途的道德要求设定一个比维持和支援用途低得多的容忍阈值（几乎没有灵活性）

3方法在原则上的应用：在采购中应用以人为中心的人工智能原则

在本节中，我们提供了一个EB在考虑国防中人工智能的具体道德原则时可能提出的要求示例。在介绍此示例之前，有必要进行澄清：以下简单描述了EB应提供的类型的要求和建议。以下所示的措施纯属假设，因为它们不是由本文所述的EB制定的。我们的例子侧重于英国国防部人工智能以人为中心的原则在人工智能生命周期的采购步骤中的应用。该原则规定

“人工智能系统对人类的影响必须对整个系统生命周期中的积极和消极影响进行评估和考虑

无论他们是国防部人员、平民还是军事行动的目标，与人工智能国防系统互动或受其影响的人类都必须受到尊重。这意味着评估和仔细考虑人工智能系统对人类的影响，充分考虑人类的多样性，并确保这些影响尽可能积极。这些影响应优先考虑人类的生命和福祉，以及对人类更广泛的关注，如环境影响，同时考虑军事必要性。这适用于人工智能系统的所有用途，从后台到战场

开发和部署人工智能系统的选择是合乎道德的，必须考虑到人类的影响。使用某些对人类的负面影响大于益处的系统可能是不道德的。相反，人工智能系统的开发和使用可能有很强的道德依据，因为它将明显有益或产生更合乎道德的结果”（国防部，2022，9）

EB将使用表1中描述的AI生命周期模型。并将解释这一原则以确定其精神。在这种情况下，精神要求尊重可能受到人工智能系统行动影响的人类和环境，并在这一尊重与军事必要性之间取得平衡。根据目的论方法，EB应考虑该原则的总体背景和目标，以及为国防部制度文化提供信息的其他原则是否以及如何具有相同的精神，以及过去采取了哪些措施来应用这些原则。与此同时，随着有关人工智能系统道德风险的文献不断涌现，董事会还应依靠国防和其他领域的专业知识、经验教训和现有良好做法，就如何尊重这一原则的精神提出想法

EB根据所采用的人工智能生命周期模型确定的关于特定步骤道德风险的原则解释，将引导董事会将要求定义为项目从采购阶段进入下一阶段的必要步骤。根据机构背景，必要时可能会要求董事会裁定是否充分满足了要求，以使项目能够进入下一个生命周期阶段

要求可以是，例如：

必须对设想的人工智能系统的道德风险进行分析，并分析显示有效的缓解策略
必须进行成本效益分析，显示军事（或组织）所提出的解决方案的价值，证明了有益的结果以及可能侵犯权利和价值的比例
必须进行比较可持续性分析，显示所设想的解决方案可持续性的积极证据，即，所提出的解决方案比替代方案更具可持续性
必须有证据表明，潜在的供应商具有有效的透明度政策、稳健的可追溯性协议，并且在必要时共享必要信息方面缺乏负面记录

如第。2.4，需要进行平衡，以平衡相互冲突或相互竞争的原则，并应包括对特定用途和使用背景下道德风险的可能性和影响的评估（Taddeo等人，2021）。考虑到上述要求，EB还必须确保原则和要求的平衡导致符合国防机构整体精神和民主价值观的结果

4结论

在本文中，我们重点讨论了开发一种方法来解释人工智能伦理原则并将其应用于特定实践的必要性，在本例中是国防领域的实践。为了有效，这种方法必须制定适用的指导方针，以实现公平的解决方案，这符合人工智能伦理原则的精神以及民主社会的基本价值观。该方法还必须是可复制和可审查的，以便在其应用程序出现缺陷或局限性时进行改进和调整。有了它，我们的目标是缩小教派中突出的差距。1，并为人工智能伦理原则的解释及其在实践中的应用提供必要的中间步骤

有关方法操作的问题不在本文的范围内。但是，我们将提交所提出的方法具有实用和敏捷的巨大潜力，因为遵循该方法，EB可以识别伦理风险和要求，重点关注人工智能系统的类型以及的使用目的。这样，EB就不必考虑和规定国防组织采购、开发、设计或使用的每一个新人工智能系统的道德要求，这是可行的。可能的情况是，可以设置风险阈值，以便在特定阈值下，应用EB提供的一套默认道德要求，而在特定阈值以上，EB将不得不考虑特定情况

必须注意的是，该方法是促进人工智能系统的道德设计、开发和部署的必要但不充分的因素。为了实现这一结果，并避免渎职风险，这些努力需要源于亲道德的制度文化，在这种文化中，道德不被视为或被视为从业者的附加或额外负担，而是日常实践中不可或缺的组成部分，有助于取得积极成果。考虑到在高风险领域工作的国防机构或其他公共机构，情况尤其如此

这种亲道德的态度需要在制度层面上得到培养和体现。有两种方式尤为重要：道德培训和可执行性。虽然我们在这篇文章中认为，道德决策过于复杂，无法在没有所需专业知识的情况下移交给个体从业者或从业者群体，但当从业者意识到与人工智能的使用相关的道德风险、问题、复杂性和机会，并有必要遵守特定的道德准则时，就会产生道德结果。因此，应在机构一级提供道德操守培训，并使从业人员能够接受（如果不是强制性的）。与此同时，不执行的道德准则会破坏开发人工智能道德用途的任何努力。为此，明确建立问责制至关重要，例如通过EBA程序

我们将这些主题留给我们研究的进一步步骤；但至关重要的是，在这里提到它们，尽管只是简单地概述一下，没有机构支持的方法论在实现伦理结果方面不会比仅凭人工智能伦理原则更有用