人工智能 - 机器学习在工人补偿中的含义|JD Supra

在工人薪酬领域的使用人工智能（AI）技术即将到来。鉴于AI应用的规模以及技术开发和应用的速度，AI具有优化效率，提高准确性并提高合规性的潜力。另一方面，AI还提出了独特的挑战和道德考虑，如果不小心和考虑，可能会带来灾难性的后果。

不管它提出的迎面挑战和道德难题如何，我们预计不可避免的是，从雇主和医疗保健提供者，法律从业者到适当的工作人员，AI技术将不可避免地纳入工人薪酬实践的许多方面薪酬上诉委员会。

因此，所有从业者都必须了解AI是什么，可以提供什么以及如何最好地将其应用于我们复杂的工人薪酬系统。

什么是AI技术，它如何工作？

AI是一个科学领域，涉及构建计算机或系统自动模拟智能人类行为的系统。它通过跨学科领域（例如数据分析，计算机科学，自然语言处理，软件工程和神经科学）等跨学科领域（包括社会，自然和正规科学）的三个分支。AI使用来自多个学科的理论和方法来开发推理，学习，适应和做出预测或解决问题的系统。

人工智能可能是非生成的或生成的。对于非生成AI，机器学习程序消耗数据以做出预测，包括概率或分类。首先，通过无监督和/或可以做出决策或预测的监督数据对AI计划进行培训。无监督的数据没有标签。监督数据可以包括姓名，治疗疗法，数字，身体部位，伤害类型，定居类别和价值观等信息。然后，AI程序通过解释数据解决了问题并制定预测。这些预测是非生成的AI。在工人赔偿的世界中，非生成AI可以做出预测，包括受伤的工人的治疗，定居估值和永久残疾。

相比之下，深度学习，包括生成AI（Genai），生成了新数据。深度学习是机器学习的一部分，它使用人工神经网络，以人工大脑的神经元为模型来执行复杂的决策。深度学习需要更高的数据消耗和更多的建模层来训练系统。Genai学习了生成新数据的模式，包括自然语言，音频，图像，文本，视频，音频和其他数据。例如，当前最常见的生成AI形式是生成图像或艺术品，或者基于提示的提示创建书面文档，该提示可以通过其他提示（例如CHAT GPT）进行磨练和编辑。

工人赔偿中AI的某些申请是什么？

根据我们目前对AI的了解，可以对数据和模型进行培训，以帮助模式识别以识别与工人赔偿损伤索赔相关的趋势，欺诈和异常。

一方面，AI有许多潜在的好处：

• 对于保险公司而言，人工智能可以通过降低索赔的寿命，确定欺诈性索赔，增加自动化并提高准确的和解估值来提高案件的效率。
• 雇主可以分析安全记录数据和工作场所伤害报告，以预测事故；从而允许雇主通过数据驱动的缓解措施减少其接触。
• 卫生系统和医疗服务提供者可以部署AI与受伤的工人互动，认识到治疗异常，确定药物过度的指控，标准化护理并改善恢复结果。
• 律师可以从使用AI中受益于分析合格的体检医师，提高合规性并降低诉讼成本。当然，每种情况都是特定于事实的。但是，AI可以为询问和盘问提供基本轮廓。
• 工人薪酬上诉委员会可能会受益于利用AI来提高其决策的股权和一致性。

在很大程度上，AI产生的自动化，预测和效率可能会减少人为错误和提炼工作量，因此可以将更多的关注集中在复杂的主张上。

另一方面，将AI系统纳入工人薪酬实践的困难包括技术的费用和不良的建模，这可能会导致精确的产出。我们都看到了关于法律实践中AI误使用的恐怖故事，其中一位律师因使用AI起草一份简短的简介而受到批准，该简介引用了不存在的判例法。适当培训AI，有偏见或过时的数据所需的大量不同数据，导致预测不准确，缺乏有关数据的使用和准确性的监督，并且不愿学习新技术，所有这些都会加剧与错误和问题有关的错误和问题。AI，可能导致不一致或不准确的应用。

AI的道德考虑

AI技术的使用还引起了关于其隐私，控制，透明度，偏见和准确性的道德问题。AI系统在数据集上接受了培训，并提出了有关是否与系统共享私人信息是否违反机密性的问题。此外，用于训练AI系统的数据的有限控制和所有权对降低的安全性有影响。此外，当第三方访问AI培训模型中使用的数据时，可能会违反机密性。

某些AI系统（例如机器学习和生成AI）所需的复杂建模使得透明度具有挑战性，尤其是在试图解释与结果或在诸如工人赔偿等对抗性系统中挑战时与结果或决策相关的基本原理时。
AI系统输出和预测仅与数据输入一样好。机器学习是在数据集中进行的，其中可能包括人体偏见和过时的信息。因此，对AI系统的建模差会导致不准确或非法的结果。

法律是否提供有关AI使用的指导？

AI技术的监管正在法律视野。与新技术一样，法律试图适应不断变化的景观。2023年，加利福尼亚州律师协会在法律实践中发布了有关使用律师职业责任义务的法律实践的指南。专业责任和行为常务委员会指出，律师有责任了解与机密，勤奋，坦率和沟通等职责有关的AI技术的收益和风险。

为了确保透明度和禁止歧视，加利福尼亚提出了第2930号法案，以防止基于受保护的类特征的AI歧视，并规范雇主将AI用作技术和用户开发人员将AI用作决策工具。该法案提出了对行政罚款和民事处罚的不遵守罚款。目前，立法机关尚未通过该法案。

为了规范AI安全的尝试不成功，加利福尼亚提出了参议院第1047号法案，该法案旨在要求生成的AI透明度。该法案被否决了，但很可能会以另一种形式返回，因为加利福尼亚积极努力确保AI技术的安全。

总而言之，随着AI在其应用程序和简化工人薪酬领域的能力方面变得更加强大，我们可以期望将来管理其使用和安全的法律。随着技术的开发和用法的进一步发展，还具有跨系统整合的潜力和总体上提高效率。在工人薪酬系统中工作的每个人都需要准备应对AI持续扩展的含义。