Słowa kluczowe
administracja publiczna
przejrzystość
odpowiedzialność
sztuczna inteligencja
Jak cytować
Abstrakt
Rosnące wykorzystanie algorytmów podejmowania decyzji w administracji publicznej wiąże się z istotnymi wyzwaniami prawnymi i etycznymi. Artykuł analizuje kluczowe kwestie związane z algorytmicznym zarządzaniem, w tym przejrzystość, odpowiedzialność oraz potencjalne uprzedzenia w procesach automatycznego podejmowania decyzji. Ponadto ocenia, z zastosowaniem metody analizy prawnej, czy algorytmy uczenia maszynowego mogą być zgodne z istniejącymi zasadami prawnymi i jednocześnie poprawiać efektywność zarządzania publicznego. Wyniki badań wskazują, że chociaż algorytmy mogą przyspieszać i usprawniać podejmowanie decyzji, ich natura utrudnia spełnienie wymogów przejrzystości i zasady legalności. Pojawia się w związku z tym argumentacja, że mechanizmy odpowiedzialności algorytmicznej, w tym ramy wyjaśnialności i nadzór regulacyjny, są niezbędne do zapewnienia sprawiedliwości i legalności w zautomatyzowanych decyzjach administracyjnych.
Bibliografia
Barocas, Solon, and Andrew D. Selbst. “Big Data’s Disparate Impact.” California Law Review 104, no. 3 (2016): 671–732. DOI: https://doi.org/10.2139/ssrn.2477899
Binns, Reuben. “Fairness in Machine Learning: Lessons from Political Philosophy.” Proceedings of the 2018 Conference on Fairness, Accountability, and Transparency 81, 2018: 149–59.
Buolamwini, Joy, and Timnit Gebru. “Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification.” Proceedings of Machine Learning Research 81, 2018: 77–91.
Citron, Danielle Keats, and Frank Pasquale. “The Scored Society: Due Process for Automated Predictions.” Washington Law Review 89, no. 1 (2014): 1–33.
Coglianese, Cary, and David Lehr. “Transparency and Algorithmic Governance.” Administrative Law Review 71, no. 1 (2019): 1–56.
Edwards, Lilian, and Michael Veale, “Slave to the Algorithm? Why a ‘Right to an Explanation’ Is Probably Not the Remedy You Are Looking For.” Duke Law & Technology Review 16, no. 1 (2017): 18–84. DOI: https://doi.org/10.31228/osf.io/97upg
Eubanks, Virginia. Automating Inequality: How High-Tech Tools Profile, Police, and Punish the Poor. St. Martin’s Press, 2018.
Florini, Ann. The Right to Know: Transparency for an Open World. Columbia University Press, 2007. DOI: https://doi.org/10.7312/flor14158
Kroll, Joshua A., Joanna Huey, Solon Barocas et al. “Accountable Algorithms.” University of Pennsylvania Law Review 165, no. 3 (2017): 633–705.
Mittelstadt, Brent. “Principles Alone Cannot Guarantee Ethical AI.” Nature Machine Intelligence 1, no. 11 (2019): 501–07. DOI: https://doi.org/10.1038/s42256-019-0114-4
Mittelstadt, Brent, Patrick Allo, Mariarosaria Taddeo, Sandra Wachter, and Luciano Floridi. “The Ethics of Algorithms: Mapping the Debate.” Big Data & Society 3, no. 2 (2016): 1–21.. DOI: https://doi.org/10.1177/2053951716679679
O’Neil, Cathy. Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy. Crown, 2016.
Pasquale, Frank. The Black Box Society: The Secret Algorithms That Control Money and Information. Harvard University Press, 2015. DOI: https://doi.org/10.4159/harvard.9780674736061
Richardson, Rashida, Jason Schultz, and Kate Crawford. “Dirty Data, Bad Predictions: How Civil Rights Violations Impact Police Data, Predictive Policing Systems, and Justice.” New York University Law Review Online 94, 2019: 192–233.
Selbst, Andrew D., and Julia Powles. “Meaningful Information and the Right to Explanation.” International Data Privacy Law 7, no. 4 (2017): 233–42. DOI: https://doi.org/10.1093/idpl/ipx022
Veale, Michael, and Lilian Edwards. “Clarity, Surprises, and Further Questions in the Article 29 Working Party Draft Guidance on Automated Decision-Making and Profiling.” Computer Law & Security Review 34, no. 2 (2018): 398–404. DOI: https://doi.org/10.1016/j.clsr.2017.12.002
Wachter, Sandra, Brent Mittelstadt, and Luciano Floridi. “Why a Right to Explanation of Automated Decision-Making Does Not Exist in the General Data Protection Regulation.” International Data Privacy Law 7, no. 2 (2017): 76–99. DOI: https://doi.org/10.1093/idpl/ipx005
Yeung, Karen. “Algorithmic Regulation: A Critical Interrogation.” Regulation & Governance 12, no. 4 (2018): 505–23. DOI: https://doi.org/10.1111/rego.12158
Zarsky, Tal. “The Trouble with Algorithmic Decisions: An Analytic Road Map to Examine Efficiency and Fairness in Automated and Opaque Decision Making.” Science, Technology, & Human Values 41, no. 1 (2016): 118–32. DOI: https://doi.org/10.1177/0162243915605575
Licencja
Prawa autorskie (c) 2025 Jakub Sawicki
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa 4.0 Międzynarodowe.