Kristian Lum 是数字生活计划的执行主任，该研究中心审视人工智能的社会影响。她的工作聚焦于机器学习和数据科学的伦理维度，特别关注算法系统中的公平性、问责制和透明度。Lum 的研究影响了关于人工智能技术如何影响边缘化社区和公共政策的讨论。
在领导数字生活计划之前，Lum 曾在学术和工业研究环境中任职。她为评估预测算法公平性的统计方法的发展做出了贡献，通常专注于刑事司法和公共卫生中的应用。她的出版物讨论了在高风险决策中使用深度学习模型的风险，并倡导对人工智能系统进行严格审计。
早期职业与教育
Lum 完成了统计学博士研究，在此期间她发展了贝叶斯方法和因果推断方面的专业知识。她早期的研究将这些技术应用于社会科学问题，包括调查数据的分析和人权侵犯的测量。这一统计学基础为她后来转向研究神经网络技术的社会影响奠定了基础。
获得博士学位后，Lum 在多个技术组织担任研究科学家，包括在一家大型互联网公司的伦理团队工作过一段时间。在这些角色中，她调查了大型语言模型系统如何可能延续训练数据中存在的偏见。她的实证研究表明，看似中立的算法工具可能在不同人口群体之间产生不同的结果，这一发现引起了政策制定者的关注。
研究贡献
Lum 研究的核心主题之一是算法公平性的概念。她开发了考虑统计均等和个人层面正义的公平性正式定义，并表明这些标准在实践中往往相互冲突。例如，她对预测性警务系统的研究揭示，优化犯罪预测准确性可能强化某些社区历史上过度警务的模式。
Lum 还审视了Transformer架构在捕捉因果关系方面的局限性。她认为，虽然这些模型擅长模式识别，但它们本质上不适合反事实推理，而反事实推理对于伦理决策至关重要。她的批评在关于在法律和医疗环境中部署生成式人工智能工具的辩论中被引用。
除了技术论文外，Lum 还为更广泛的受众撰写了大量文章。她为主要新闻媒体撰写了评论文章，并在政府机构作证，强调人工智能监管的必要性。她的证词通常强调独立审计的重要性以及将受影响社区纳入人工智能系统设计中的必要性。
在数字生活计划的领导工作
作为执行主任，Lum 领导一个由研究人员、律师和计算机科学家组成的多学科团队。该计划资助探索技术与人权交叉点的项目，包括关于监控、劳动力自动化和错误信息的研究。在她的领导下，该计划推出了面向公众的工具，使公民能够评估本地算法的公平性。
Lum 还促进了与国际组织的合作，例如牛津大学的人工智能伦理研究所和伯克利人工智能研究小组。这些合作产生了关于人工智能全球治理的联合报告。她经常在会议上发言，包括由斯坦福人工智能实验室和麻省理工学院计算机科学与人工智能实验室组织的会议，在这些会议上她挑战工程师考虑其工作的社会背景。
倡导与公众参与
在学术界之外，Lum 是负责任人工智能发展的积极倡导者。她呼吁在训练大型语言模型系统时提高透明度，认为公司应披露数据来源和评估方法。她的立场有时使她与行业领导者产生分歧，但她坚持认为公众信任取决于开放性。
Lum 还参与教育计划，在研究生阶段教授数据伦理课程。她指导了许多学生，这些学生后来从事人工智能政策和研究工作。她的教学材料，包括关于算法偏见的案例研究，已被其他大学采用。
精选出版物与认可
Lum 在涵盖统计学、计算机科学和法律的期刊上撰写了超过40篇同行评审文章。她关于预测性警务中公平性不可能性的论文在一个重要会议上获得了最佳论文奖。她获得了国家科学基金会和私人基金会的资助，以支持她关于算法问责制的研究。
2023年，Lum 被一家领先行业出版物评为人工智能伦理领域最具影响力的100人之一。她在多个致力于数字权利的非营利组织的顾问委员会任职。她的工作继续塑造着关于如何以尊重人类尊严和促进社会正义的方式发展人工智能的讨论。
未来方向
展望未来，Lum 计划扩大数字生活计划对人工智能环境成本和自动化对全球劳动力市场影响的关注。她目前正在领导一个项目，研究训练深度学习模型的碳足迹，目标是为行业创建可持续性标准。她还旨在开发新指标，用于衡量人工智能系统的长期社会价值，超越狭隘的准确性基准。
Lum 仍然是该领域的重要声音，敦促对人工智能技术的无节制扩张保持谨慎。她的愿景是技术创新在伦理原则和民主监督的指导下进行，确保人工智能的益处能够公平地惠及整个社会。