KI und Datenschutz – Begründungserfordernisse automatisierter Entscheidungen

Hoeren, Thomas; Niehoff, Maurice

doi:10.5771/1868-8098-2018-1-47

Cited by 8 publications

(3 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…8 See Hoeren and Niehoff, 2018 [21] 1 RW 47, 57; and OLG Nürnberg ZD 2013, 26. 9 See Hoeren and Niehoff, 2018 [21] 1 RW 47, 58; and DFK Bitkom, 2017 [11].…”

Section: Correction Vectors: a Legal Perspectivementioning

confidence: 99%

See 1 more Smart Citation

Fair Interpretable Representation Learning with Correction Vectors

Cerrato¹,

Coronel²,

Köppel³

et al. 2022

Preprint

View full text Add to dashboard Cite

Neural network architectures have been extensively employed in the fair representation learning setting, where the objective is to learn a new representation for a given vector which is independent of sensitive information. Various representation debiasing techniques have been proposed in the literature. However, as neural networks are inherently opaque, these methods are hard to comprehend, which limits their usefulness. We propose a new framework for fair representation learning that is centered around the learning of "correction vectors", which have the same dimensionality as the given data vectors. Correction vectors may be computed either explicitly via architectural constraints or implicitly by training an invertible model based on Normalizing Flows. We show experimentally that several fair representation learning models constrained in such a way do not exhibit losses in ranking or classification performance. Furthermore, we demonstrate that state-of-the-art results can be achieved by the invertible model. Finally, we discuss the law standing of our methodology in light of recent legislation in the European Union.

show abstract

“…8 See Hoeren and Niehoff, 2018 [21] 1 RW 47, 57; and OLG Nürnberg ZD 2013, 26. 9 See Hoeren and Niehoff, 2018 [21] 1 RW 47, 58; and DFK Bitkom, 2017 [11].…”

Section: Correction Vectors: a Legal Perspectivementioning

confidence: 99%

“…Recital 63 of the GDPR; Articles 13 (2)(f), 14 (2)(g),15 (1)(h) of the GDPR[9] 5. See Hoeren and Niehoff, 2018[21] 1 RW 47, 55.…”

mentioning

confidence: 99%

Fair Interpretable Representation Learning with Correction Vectors

Cerrato¹,

Coronel²,

Köppel³

et al. 2022

Preprint

View full text Add to dashboard Cite

show abstract

“…»Multi-Agenten Systeme«, die Vorteile unterschiedlicher Methoden kombinieren.Algorithmus abgeleitet, der schließlich in einer gewählten, mehr oder weniger hohen Programmiersprache umgesetzt wird, um -nach evtl. Kompilierung -ein auf einem Computer lauffähiges Programm zu erhalten.177 Insofern ist der Begriff des Algorithmus sowie dessen Beschränkungen für die Untersuchung des Wesens der Künstlichen Intelligenz von besonderer Bedeutung 178. Es muss geklärt werden, was ein Algorithmus überhaupt ist und was ihn von Computersoftware unterscheidet.…”

unclassified

Das technische Phänomen „Künstliche Intelligenz“ im allgemeinen Zivilrecht

Konertz¹,

Schönhof²

2020

View full text Add to dashboard Cite

Das Phänomen der künstlichen Intelligenz (KI) gewinnt im Vertrags- und Deliktsrecht zunehmend an Bedeutung. Für die Behandlung der Thematik sind Grundkenntnisse der KI notwendig. Die Autoren beschreiben im notwendigen Maße die technischen Aspekte der KI. Sie zeigen auf, dass implementierte KI nichts anderes ist als Computersoftware. KI kann sich zwar unterschiedlich verhalten, dies ist aber immer deterministisch begründet. Es bestehen Herausforderungen bei der Vorhersehbarkeit und Erklärbarkeit der Folgen von KI (xAI). Vor diesem Hintergrund werden die Auswirkungen auf das Vertrags- und Deliktsrecht untersucht. Eine (Teil-)Rechtsfähigkeit von KI bietet dabei keinen Mehrwert. Die wahren Herausforderungen der KI liegen anderswo.

show abstract

Artificial Intelligence as a Challenge for Law and Regulation

Hoffmann‐Riem

2019

Regulating Artificial Intelligence

View full text Add to dashboard Cite

KI und Datenschutz – Begründungserfordernisse automatisierter Entscheidungen

Cited by 8 publications

References 0 publications

Fair Interpretable Representation Learning with Correction Vectors

Fair Interpretable Representation Learning with Correction Vectors

Das technische Phänomen „Künstliche Intelligenz“ im allgemeinen Zivilrecht

Artificial Intelligence as a Challenge for Law and Regulation

Contact Info

Product

Resources

About