Audit, Don’t Explain – Recommendations Based on a Socio-Technical Understanding of ML-Based Systems

Zusammenfassung
In this position paper, I provide a socio-technical perspective on machine learning-based systems. I also explain why systematic audits may be preferable to explainable AI systems. I make concrete recommendations for how institutions governed by public law akin to the German TÜV and Stiftung Wartentest can ensure that ML systems operate in the interest of the public.
  • Vollständige Referenz
  • BibTeX
Heuer, H., (2021). Audit, Don’t Explain – Recommendations Based on a Socio-Technical Understanding of ML-Based Systems. In: Wienrich, C., Wintersberger, P. & Weyers, B. (Hrsg.), Mensch und Computer 2021 - Workshopband. Bonn: Gesellschaft für Informatik e.V.. DOI: 10.18420/muc2021-mci-ws02-232
@inproceedings{mci/Heuer2021,
author = {Heuer, Hendrik},
title = {Audit, Don’t Explain – Recommendations Based on a Socio-Technical Understanding of ML-Based Systems},
booktitle = {Mensch und Computer 2021 - Workshopband},
year = {2021},
editor = {Wienrich, Carolin AND Wintersberger, Philipp AND Weyers, Benjamin} ,
doi = { 10.18420/muc2021-mci-ws02-232 },
publisher = {Gesellschaft für Informatik e.V.},
address = {Bonn}
}
DateienGroesseFormatAnzeige
Contribution_232__a.pdf379.8Kb PDF Öffnen

Sollte hier kein Volltext (PDF) verlinkt sein, dann kann es sein, dass dieser aus verschiedenen Gruenden (z.B. Lizenzen oder Copyright) nur in einer anderen Digital Library verfuegbar ist. Versuchen Sie in diesem Fall einen Zugriff ueber die verlinkte DOI: 10.18420/muc2021-mci-ws02-232

Haben Sie fehlerhafte Angaben entdeckt? Sagen Sie uns Bescheid: Feedback abschicken