核心观点与建议
-
明确社会目标与AI应用
政策制定者需明确交通部门的社会目标(如环境可持续性、经济效率等),评估AI如何辅助实现这些目标,并制定针对性采购清单。AI应用需符合用户和社会需求,并通过试点项目(如旧金山自动驾驶试验)测试实际影响。
-
基于目标的监管框架
针对AI用途建立分级监管体系,优先在有限区域以特定规则允许AI应用(如自主船舶试点),通过试验项目促进社会对话和数据共享。监管需平衡安全、隐私与效率,例如在行人面部检测中权衡“感知”能力与肖像权。
-
数据可靠性与技术可解释性
确保AI训练数据的可靠性,激励行业打破数据壁垒,并制定匿名标准。推广可解释AI技术,通过模拟和公共道路测试验证自动驾驶决策的因果关系,建立反脆弱运营管理框架。
-
跨部门合作与知识转移
鼓励公私部门协调立场,制定政策配套空间。通过国家间知识转移聚合格式(如跨国经验分享),确保AI监管的凝聚力和互操作性,避免政策碎片化。
-
劳动力技能提升与转型
投资交通部门AI素养和技能培训,解决劳动力队伍中的技能差距。通过税收优惠、补贴或课程修订,推动交通工人适应自动化和AI时代,应对人口老龄化挑战。
-
问责与治理框架
建立算法问责机制,确保AI系统按预期运行,并明确责任主体(如自动驾驶事故中的法律责任)。制定机器可读法规,促进AI与政策协同。
关键措施与结论
- 试点项目:通过有限区域试验(如旧金山自动驾驶、挪威自主船舶)测试AI的实际影响,为监管提供依据。
- 数据治理:激励数据共享,制定匿名标准,确保AI训练数据质量。
- 技能培训:推动交通工人转型,传授自动化和AI相关技能,应对老龄化问题。
- 监管协调:建立跨部门治理框架,确保AI应用符合社会目标,并追究决策责任。
AI在交通领域的应用需兼顾创新与风险,通过试点、数据治理、技能提升和监管协调,实现包容、公平、透明、安全和负责任的部署。