Descripción: Evolv's AI-based weapons detection system reportedly produced excessive false positives, mistaking everyday school items for weapons and pulling schools' security personnel for manual checking.
Entidades
Ver todas las entidadesAlleged: Evolv Technology developed an AI system deployed by Charlotte Mecklenburg School District, which harmed students at Charlotte Mecklenburg Schools , teachers at Charlotte Mecklenburg Schools y security officers at Charlotte Mecklenburg Schools.
Clasificaciones de la Taxonomía CSETv1
Detalles de la TaxonomíaIncident Number
The number of the incident in the AI Incident Database.
349
Risk Subdomain
A further 23 subdomains create an accessible and understandable classification of hazards and harms associated with AI
7.3. Lack of capability or robustness
Risk Domain
The Domain Taxonomy of AI Risks classifies risks into seven AI risk domains: (1) Discrimination & toxicity, (2) Privacy & security, (3) Misinformation, (4) Malicious actors & misuse, (5) Human-computer interaction, (6) Socioeconomic & environmental harms, and (7) AI system safety, failures & limitations.
- AI system safety, failures, and limitations
Entity
Which, if any, entity is presented as the main cause of the risk
AI
Timing
The stage in the AI lifecycle at which the risk is presented as occurring
Post-deployment
Intent
Whether the risk is presented as occurring as an expected or unexpected outcome from pursuing a goal
Unintentional
Informes del Incidente
Cronología de Informes
El 22 de marzo, Jennifer Dean, directora de Mallard Creek High School en Charlotte, Carolina del Norte, envió un correo electrónico a miembros de su personal para informarles sobre la instalación de un nuevo sistema de seguridad. Fabricado …
Seguiremos matando niños en Estados Unidos. Nunca dejaremos de tirar dinero en la dirección del problema, pero no directamente en el problema. Nada se vuelve más seguro. Simplemente recibe más partidas presupuestarias.
El problema de los ti…
Variantes
Una "Variante" es un incidente que comparte los mismos factores causales, produce daños similares e involucra los mismos sistemas inteligentes que un incidente de IA conocido. En lugar de indexar las variantes como incidentes completamente separados, enumeramos las variaciones de los incidentes bajo el primer incidente similar enviado a la base de datos. A diferencia de otros tipos de envío a la base de datos de incidentes, no se requiere que las variantes tengan informes como evidencia externa a la base de datos de incidentes. Obtenga más información del trabajo de investigación.