Analysis of the proposal for the EU Artificial Intelligence Act

Markéta Melenová

Master's thesis

Analýza návrhu Aktu EU o umělé inteligenci

Abstract:

Práce analyzuje Akt EU o umělé inteligenci v kontextu připomínek k návrhu Aktu polo-automatizovaným způsobem. Za tímto účelem byly shromážděny a analyzovány připomínky veřejnosti k tomuto návrhu. K identifikaci hlavních skupin témat vyskytujích se v připomínkách bylo použito aglomerativní shlukování. Modely používané pro extrakci témat z textu běžně používají jako vstup celé dokumenty. Protože dokumenty se zpětnou vazbou typicky pokrývaly širokou škálu témat, jejich přiřazení k jedinému shluku by neodráželo adekvátně všechna témata zde obsažená a bylo by nesnadné identifikovat, co dokumenty v jedom shluku odlišuje od dokumentů ve shluku jiném. Stejně tak manuální přezkoumání správnosti přiřazení dokumentu k danému shluku by bylo znesnadněno (ne-li nemožné). Proto byl pro účely této analýzy využit inovativní přístup, který spočívá v analýze a shlukování textů rozdělených do samostatných odstavců. Tím se překonal problém shlukování, které přiřazuje celý dokument, který obsahuje celou škálu témat, pouze k jedinému shluku. Tento přístup také dodal výsledkům podrobnější granularitu a umožnil hlubší analýzu vybraných témat. Dalším inovativním prvkem bylo, že jako trénovací sada byly použity soubory obsahující texty jednotlivých článků Aktu o umělé inteligencia. Díky využití relativně nízkého počtu dokumentů v trénovací množině tento přístup umožnil snadnou interpretaci a manuální přezkoumání správnosti přiřazení jednotlivých připomínek nebo jejich částí k danému shluku. Spojení těchto dvou přístupů umožnilo automatické seskupení jednotlivých částí textů s připomínkami do existujících shluků definovaných samotnými články Aktu a snadnou interpretaci tematického zaměření vzniklých shluků. Tím došlo k automatickému přiřazení hlavních témat připomínek přímo ke konkrétním článkům Aktu. Dále tento přístup umožnil srovnání návrhu Aktu s jeho další verzí, tzv. Common Approach zněním. Tento přístup se vyznačuje vysokou mírou interpretovatelnosti modelu, která je v právní oblasti obzvláště důležitá z důvodu přezkoumatelnosti. Práce poskytuje přehled hlavních typů připomínek, detailně analyzuje jejich obsah a odpovídá na hlavní výzkumnou otázku, zda míra, do jaké byly pozměněny jednotlivé tematické oblasti připomínek v Obecném přístupu Aktu o umělé inteligenci, odpovídá rozsahu těchto připomínek.

Abstract:

This work attempted to explore the new landscape of proposed EU Artificial Intelligence act. For this the feedback submitted by general public was collected and analysed using semi-automated approach. Agglomerative clustering was used to identify the types of feedbacks. Neverheless, when used and tested in a standard way, such model assigned a feedback document, which typically covered whole range of topics, to only one cluster. Due to this, it was impossible to interpret, what topic characterizes given cluster or verify manually if the assignment is correct. In order to overcome the problem of clustering that assigns the whole document to 1 cluster only, to get a more detailed granularity, I decided to split the feedback files to smaller chunks based on an approximate paragraph pattern. This approach enhances the selected model’s suitability for the purposes of deeper analysis of selected topics, if needed, mapping the main topics of feedback to individual AIA articles and reflecting on the manner how the feedback was reflected in the final AIA version. This approach is characterised by high level of interpretability together with relatively low number of documents in the training set, which makes it possible to identify any misattributions in manual review without much time or effort spent. This is one of the by-products of the thesis. The work provides an overview of the main types of feedback and answers the research question if the processing of individual thematic parts of the EU Artificial Intelligence Act proposal aligns with the extent of feedback submitted during the designated feedback period.

Keywords

regulace, analýza textů, umělá inteligence, Akt o umělé inteligenci, aglomerativní shlukování

Keywords

regulation, AI Act, artificial intelligence, text analysis, agglomerative clustering

Language used: English

Date on which the thesis was submitted / produced: 30. 6. 2023

Thesis defence

• Date of defence: 4. 10. 2023
• Supervisor: Tomáš Kliegr
• Reader: Ondřej Vadinský

Vysoká škola ekonomická v Praze

Master programme:
Kognitivní informatika