Buchumschlag

A Taxonomy of Systemic Risks from General-Purpose AI

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Uuk, Risto, Gutierrez, Carlos Ignacio, Guppy, Daniel, Lauwaert, Lode, Kasirzadeh, Atoosa, Velasco, Lucia, Slattery, Peter, Prunkl, Carina
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computers and Society
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Examining Popular Arguments Against AI Existential Risk: A Philosophical Analysis
von: Swoboda, Torben, et al.
Veröffentlicht: (2025)

Are we Doomed to an AI Race? Why Self-Interest Could Drive Countries Towards a Moratorium on Superintelligence
von: Roussel, Edward, et al.
Veröffentlicht: (2026)

Two Types of AI Existential Risk: Decisive and Accumulative
von: Kasirzadeh, Atoosa
Veröffentlicht: (2024)

Effective Mitigations for Systemic Risks from General-Purpose AI
von: Uuk, Risto, et al.
Veröffentlicht: (2024)

Measurement challenges in AI catastrophic risk governance and safety frameworks
von: Kasirzadeh, Atoosa
Veröffentlicht: (2024)

AI, Digital Platforms, and the New Systemic Risk
von: Hacker, Philipp, et al.
Veröffentlicht: (2025)

AI Safety for Everyone
von: Gyevnar, Balint, et al.
Veröffentlicht: (2025)

Bridging the Gap in the Responsible AI Divides
von: Gyevnár, Bálint, et al.
Veröffentlicht: (2026)

Characterizing AI Agents for Alignment and Governance
von: Kasirzadeh, Atoosa, et al.
Veröffentlicht: (2025)

Explanation Hacking: The perils of algorithmic recourse
von: Sullivan, Emily, et al.
Veröffentlicht: (2024)

Towards an Environmental Ethics of Artificial Intelligence
von: van Uffelen, Nynke, et al.
Veröffentlicht: (2024)

Mapping AI Risk Mitigations: Evidence Scan and Preliminary AI Risk Mitigation Taxonomy
von: Saeri, Alexander K., et al.
Veröffentlicht: (2025)

Lost in Vagueness: Towards Context-Sensitive Standards for Robustness Assessment under the EU AI Act
von: Tamponi, Roberta, et al.
Veröffentlicht: (2025)

Privacy Risks of General-Purpose AI Systems: A Foundation for Investigating Practitioner Perspectives
von: Meisenbacher, Stephen, et al.
Veröffentlicht: (2024)

Risk Sources and Risk Management Measures in Support of Standards for General-Purpose AI Systems
von: Gipiškis, Rokas, et al.
Veröffentlicht: (2024)

AI Risk Atlas: Taxonomy and Tooling for Navigating AI Risks and Resources
von: Bagehorn, Frank, et al.
Veröffentlicht: (2025)

Disclosure and Evaluation as Fairness Interventions for General-Purpose AI
von: Raman, Vyoma, et al.
Veröffentlicht: (2025)

Designing Incident Reporting Systems for Harms from General-Purpose AI
von: Wei, Kevin, et al.
Veröffentlicht: (2025)

Position: Beyond Sensitive Attributes, ML Fairness Should Quantify Structural Injustice via Social Determinants
von: Tang, Zeyu, et al.
Veröffentlicht: (2025)

Can Artificial Intelligence Embody Moral Values?
von: Swoboda, Torben, et al.
Veröffentlicht: (2024)

Epistemic Injustice in Generative AI
von: Kay, Jackie, et al.
Veröffentlicht: (2024)

Ethics Whitepaper: Whitepaper on Ethical Research into Large Language Models
von: Ungless, Eddie L., et al.
Veröffentlicht: (2024)

The Case for ESM3 as a General-Purpose AI Model with Systemic Risk Under the EU AI Act
von: Qureshi, Taro, et al.
Veröffentlicht: (2026)

A Legal Risk Taxonomy for Generative Artificial Intelligence
von: Atkinson, David, et al.
Veröffentlicht: (2024)

Evaluating General-Purpose AI with Psychometrics
von: Wang, Xiting, et al.
Veröffentlicht: (2023)

AI Risk-Management Standards Profile for General-Purpose AI (GPAI) and Foundation Models
von: Barrett, Anthony M., et al.
Veröffentlicht: (2025)

AI Incident Monitoring through a Public Health Lens
von: Abraham, Sophia, et al.
Veröffentlicht: (2026)

Towards a Harms Taxonomy of AI Likeness Generation
von: Bariach, Ben, et al.
Veröffentlicht: (2024)

Legal Alignment for Safe and Ethical AI
von: Kolt, Noam, et al.
Veröffentlicht: (2026)

A pragmatic classification framework for AI incident monitoring
von: Mengesha, Isaak, et al.
Veröffentlicht: (2026)

Democratic AI is Possible. The Democracy Levels Framework Shows How It Might Work
von: Ovadya, Aviv, et al.
Veröffentlicht: (2024)

Vernacularizing Taxonomies of Harm is Essential for Operationalizing Holistic AI Safety
von: Kennedy, Wm. Matthew, et al.
Veröffentlicht: (2024)

Distinguishing Task-Specific and General-Purpose AI in Regulation
von: Wang, Jennifer, et al.
Veröffentlicht: (2025)

The Dilemma of Uncertainty Estimation for General Purpose AI in the EU AI Act
von: Valdenegro-Toro, Matias, et al.
Veröffentlicht: (2024)

Independent Clinical Evaluation of General-Purpose LLM Responses to Signals of Suicide Risk
von: Judd, Nick, et al.
Veröffentlicht: (2025)

Aligning Trustworthy AI with Democracy: A Dual Taxonomy of Opportunities and Risks
von: Mentxaka, Oier, et al.
Veröffentlicht: (2025)

Revising Bloom's Taxonomy for Dual-Mode Cognition in Human-AI Systems: The Augmented Cognition Framework
von: Ayodele, Kayode P., et al.
Veröffentlicht: (2026)

Beyond Model Interpretability: Socio-Structural Explanations in Machine Learning
von: Smart, Andrew, et al.
Veröffentlicht: (2024)

Learning from the Past: How Previous Technological Transformations Can Guide AI Development
von: Miikkulainen, Risto, et al.
Veröffentlicht: (2019)

The More You Automate, the Less You See: Hidden Pitfalls of AI Scientist Systems
von: Luo, Ziming, et al.
Veröffentlicht: (2025)