Éthiques et réglementaires de l’intelligence artificielle

Éthiques et réglementaires de l'intelligence artificielle

Enseignant:

Email:

Durée totale du cours: 22.5 H

Semestre : 5

Nombre de crédits : 2

Volume Horaire                       : 1h30: Cours intégrés (par semaine)

Aperçu

Ce module explore les principaux problèmes juridiques et réglementaires associés au développement et à l'utilisation de l'intelligence artificielle dans divers secteurs, tels que les secteurs financier, de la santé, des transports et militaire. L'intelligence artificielle est considérée comme une vaste discipline dans le but de créer des machines intelligentes qui imitent puis dépassent la gamme complète de la cognition humaine. Le module se concentrera sur divers sous-ensembles de l'IA, tels que l'apprentissage automatique, l'apprentissage par renforcement et l'apprentissage en profondeur, ainsi que leurs défis juridiques et réglementaires respectés, basés sur des études de cas réels et de la littérature théorique. Les sujets sélectionnés incluent : - Quelles sont les principales approches concernant la réglementation des systèmes d'IA et quelles en sont les conséquences ? - Quelle est la justification de la création d'un nouveau type de personnalité juridique pour les systèmes d'IA ? - Quelles applications des systèmes d'IA peuvent constituer un risque trop excessif et pourquoi ? - Quelles sont les normes clés des systèmes d'IA pour les ingénieurs et les entreprises ? - Les systèmes autonomes créent-ils un écart de responsabilité ou d'imputabilité ? - Qu'est-ce que le concept de contrôle humain significatif et comment s'applique-t-il à l'utilisation de systèmes autonomes ? - Existe-t-il des systèmes d'armes létales autonomes et comment les réguler ? - Quels sont les enjeux juridiques des partenariats de partage de données et comment les surmonter pour construire une valeur propriétaire ? L'objectif du module est de présenter de manière critique l'état de l'art concernant la réglementation de l'IA dans les principaux pays et de discuter des principaux problèmes juridiques et réglementaires associés à l'utilisation de l'IA. Le module est basé principalement sur la méthode d'étude de cas et les cas sont sélectionnés parmi les professions commerciales et politiques des dernières années. Le module aide les étudiants à développer leur réflexion sur la façon de traduire en pratique des considérations juridiques et réglementaires abstraites telles que la responsabilité, les normes de soins ou les préoccupations en matière de confidentialité.

 Objectif du module :

 Fournir aux étudiants une compréhension des principaux problèmes juridiques et réglementaires associés à l'intelligence artificielle. - Permettre aux étudiants d'appliquer les méthodes de raisonnement et d'analyse de ces questions utilisées en droit. - Exposer les étudiants aux défis de la réflexion interdisciplinaire sur l'intelligence artificielle. Contenu du  cours

Semaine 1-2: Introduction à l'Intelligence Artificielle et ses applications

• Définitions et concepts clés de l'IA.
• Historique et évolution de l'IA.
• Applications de l'IA dans les secteurs financier, de la santé, des transports et militaire.
• Enjeux éthiques et sociaux liés à l'IA.

Semaine 3-4: Fondements juridiques de l'IA

• Principes juridiques fondamentaux liés à l'IA.
• Propriété intellectuelle et droit d'auteur dans l'IA.
• Protection des données personnelles (RGPD en Europe) dans le contexte de l'IA.

Semaine 5-6: Réglementation de l'IA

• Réglementations spécifiques à l'IA dans l'Union européenne.
• Loi sur l'IA et l'éthique de l'IA dans d'autres juridictions.
• Débats sur la nécessité de réglementer davantage l'IA.

Semaine 7-8: Sécurité et responsabilité dans l'IA

• Sécurité des systèmes d'IA.
• Responsabilité légale en cas de défaillance de l'IA.
• Assurance et assurance responsabilité civile pour les technologies d'IA.

Semaine 9-10: Protection des données et confidentialité

• Collecte et traitement des données dans les systèmes d'IA.
• Les défis de la confidentialité des données dans le secteur de la santé.
• Règles de partage de données dans l'IA.

Semaine 11-12: Biais et discrimination dans l'IA

• Compréhension des biais dans les systèmes d'IA.
• Impact des biais et de la discrimination dans les secteurs financiers, de la santé, des transports et militaires.
• Mesures pour atténuer les biais dans l'IA.

Semaine 13-14: Contrats et négociation dans l'IA

• Contrats pour le développement d'applications d'IA.
• Négociation de contrats de partenariat en IA.
• Gestion des litiges contractuels liés à l'IA.

Semaine 15-16: Études de cas et perspectives futures

• Études de cas sur les problèmes juridiques et réglementaires réels dans les secteurs financiers, de la santé, des transports et militaires.
• Les développements futurs prévisibles dans la réglementation de l'IA.
• Préparation d'un projet ou d'un rapport de recherche sur un sujet lié à l'IA et au droit

Le contenu indicatif comprend:

-  Des études de cas pratiques sur les affaires et les politiques des principaux problèmes juridiques et réglementaires dans le domaine de l'intelligence artificielle. - Littérature académique concernant les concepts juridiques et réglementaires applicables au développement et à l'utilisation de l'intelligence artificielle. - Présentations d'invités de praticiens concernant des défis juridiques et/ou réglementaires spécifiques associés au développement et à l'utilisation de l'intelligence artificielle.

Méthodes d'enseignement / d'apprentissage

Les séminaires exposeront les étudiants aux complexités de chaque sujet, en évaluant et en examinant les théories clés de manière plus approfondie et en appliquant les connaissances à des scénarios réels et hypothétiques. La stratégie d'enseignement est également conçue pour encourager l'étude et la recherche indépendantes. Les étudiants recevront des références de lecture préliminaires, mais devront entreprendre des recherches supplémentaires sur chaque sujet par leurs propres moyens. Au cours des séminaires, les étudiants devront démontrer leur capacité à appliquer cette recherche pour discuter de problèmes éthiques et réglementaires donnés, à faire preuve d'auto-direction et d'originalité dans la résolution et la proposition de solutions à ces problèmes, et à évaluer de manière critique la recherche actuelle et l'érudition avancée dans les domaines pertinents. . Les méthodes d'apprentissage et d'enseignement comprennent : un séminaire de 3 heures par semaine (15 semaines). La livraison du module est complétée par des conseils fournis via le  module Classroom  et des heures de consultation pendant le semestre. Les heures de cours indiquées (qui peuvent également inclure des séminaires, des tutoriels, des ateliers et d'autres temps de contact) sont approximatives et peuvent inclure des tests en classe où un ou plusieurs d'entre eux constituent une évaluation du module. Les tests en classe sont programmés / organisés séparément du contenu enseigné et seront publiés sur les emplois du temps personnels des étudiants, où ils s'appliquent aux modules suivis dès qu'ils sont finalisés par l'administration centrale. Ce sera généralement après la publication initiale de l'horaire d'enseignement pour le semestre concerné.

• Enseignement frontal (magistral) avec des exemples à résoudre en
• Exercices théoriques et études de cas (présentation et discussion).
• Travaux à faire à domicile (mini-projet, exposé, compte-rendu, …)

Connaissances et compétences pré-requises

• N/A

Références bibliographiques

• Un polycopié (Notes du cours) de l’enseignant sera
• https://readinglists.surrey.ac.uk

Stratégie d'évaluation

La stratégie d'évaluation est conçue pour fournir aux étudiants la possibilité de démontrer la réalisation des résultats d'apprentissage du module identifiés ci-dessus en ce qui concerne les connaissances acquises, la capacité critique / analytique et les compétences acquises. L'évaluation porte sur tous les résultats d'apprentissage énumérés ci-dessus. Ainsi, l'évaluation sommative de ce module consiste en : - un cours une évaluation formative et un feedback - un cours - un feedback individuel et général fourni aux étudiants. - D'autres exercices de formation peuvent être mis en place en classe ou en dehors.

Modalité d’évaluation

• 40% Contrôle continu (TP noté, Test, Assiduité, Devoir surveillé, travaux non présentiel, …)
• 60% Examen

Résultat d'apprentissage :

À la fin du cours, vous devriez être capable de :

Attributs développés C - Cognitif/analytique K - Connaissance du sujet T - Compétences transférables P - Compétences professionnelles/pratiques