Skip to Content
logologo
AI Incident Database
Open TwitterOpen RSS FeedOpen FacebookOpen LinkedInOpen GitHub
Open Menu
Découvrir
Envoyer
  • Bienvenue sur AIID
  • Découvrir les incidents
  • Vue spatiale
  • Vue de tableau
  • Vue de liste
  • Entités
  • Taxonomies
  • Soumettre des rapports d'incident
  • Classement des reporters
  • Blog
  • Résumé de l’Actualité sur l’IA
  • Contrôle des risques
  • Incident au hasard
  • S'inscrire
Fermer
Découvrir
Envoyer
  • Bienvenue sur AIID
  • Découvrir les incidents
  • Vue spatiale
  • Vue de tableau
  • Vue de liste
  • Entités
  • Taxonomies
  • Soumettre des rapports d'incident
  • Classement des reporters
  • Blog
  • Résumé de l’Actualité sur l’IA
  • Contrôle des risques
  • Incident au hasard
  • S'inscrire
Fermer

Incident 461: IRS Audited Black Taxpayers More Frequently Reportedly Due to Algorithm

Description: The IRS was auditing Black taxpayers more frequently than other groups allegedly due to the design of their algorithms, focusing on easier-to-conduct audits which inadvertently correlated with the group's pattern of tax filing errors.

Outils

Nouveau rapportNouveau rapportNouvelle RéponseNouvelle RéponseDécouvrirDécouvrirVoir l'historiqueVoir l'historique

Entités

Voir toutes les entités
Présumé : Un système d'IA développé et mis en œuvre par Internal Revenue Service, a endommagé Black taxpayers.

Statistiques d'incidents

ID
461
Nombre de rapports
4
Date de l'incident
2008-07-18
Editeurs
Khoa Lam
Applied Taxonomies
CSETv1, MIT

Classifications de taxonomie CSETv1

Détails de la taxonomie

Incident Number

The number of the incident in the AI Incident Database.
 

461

Special Interest Intangible Harm

An assessment of whether a special interest intangible harm occurred. This assessment does not consider the context of the intangible harm, if an AI was involved, or if there is characterizable class or subgroup of harmed entities. It is also not assessing if an intangible harm occurred. It is only asking if a special interest intangible harm occurred.
 

yes

Date of Incident Year

The year in which the incident occurred. If there are multiple harms or occurrences of the incident, list the earliest. If a precise date is unavailable, but the available sources provide a basis for estimating the year, estimate. Otherwise, leave blank. Enter in the format of YYYY
 

2023

Date of Incident Month

The month in which the incident occurred. If there are multiple harms or occurrences of the incident, list the earliest. If a precise date is unavailable, but the available sources provide a basis for estimating the month, estimate. Otherwise, leave blank. Enter in the format of MM
 

01

Date of Incident Day

The day on which the incident occurred. If a precise date is unavailable, leave blank. Enter in the format of DD
 

Estimated Date

“Yes” if the data was estimated. “No” otherwise.
 

No

Classifications de taxonomie MIT

Machine-Classified
Détails de la taxonomie

Risk Subdomain

A further 23 subdomains create an accessible and understandable classification of hazards and harms associated with AI
 

1.1. Unfair discrimination and misrepresentation

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.
 
  1. Discrimination and Toxicity

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

Rapports d'incidents

Chronologie du rapport

Incident Occurrence+3
Mesurer et atténuer les disparités raciales dans les contrôles fiscaux
Mesurer et atténuer les disparités raciales dans les contrôles fiscaux

Mesurer et atténuer les disparités raciales dans les contrôles fiscaux

siepr.stanford.edu

Les Noirs américains sont beaucoup plus susceptibles de faire face à des audits fiscaux, selon une étude

Les Noirs américains sont beaucoup plus susceptibles de faire face à des audits fiscaux, selon une étude

nytimes.com

Les contribuables noirs sont plus de trois fois plus susceptibles d'être audités par l'IRS

Les contribuables noirs sont plus de trois fois plus susceptibles d'être audités par l'IRS

thehill.com

L'IRS contrôle de manière disproportionnée les contribuables noirs

L'IRS contrôle de manière disproportionnée les contribuables noirs

hai.stanford.edu

Mesurer et atténuer les disparités raciales dans les contrôles fiscaux
siepr.stanford.edu · 2023
Traduit par IA

Les agences gouvernementales du monde entier utilisent des algorithmes basés sur les données pour allouer les ressources d'application. Même lorsque ces algorithmes sont formellement neutres en ce qui concerne les caractéristiques protégées…

Les Noirs américains sont beaucoup plus susceptibles de faire face à des audits fiscaux, selon une étude
nytimes.com · 2023
Traduit par IA

WASHINGTON – Les contribuables noirs sont au moins trois fois plus susceptibles d'être audités par l'Internal Revenue Service que les autres contribuables, même après avoir tenu compte des différences dans les types de déclarations que chaq…

Les contribuables noirs sont plus de trois fois plus susceptibles d'être audités par l'IRS
thehill.com · 2023
Traduit par IA

Un nouveau rapport publié lundi a révélé que l'IRS audite les contribuables noirs à un taux nettement plus élevé que les contribuables non noirs.

L'article, publié par l'Institut de recherche sur les politiques économiques de Stanford, a dé…

L'IRS contrôle de manière disproportionnée les contribuables noirs
hai.stanford.edu · 2023
Traduit par IA

Les chercheurs se demandent depuis longtemps si l'IRS utilise équitablement ses pouvoirs d'audit. Et maintenant, nous avons appris que ce n'est pas le cas.

Les contribuables noirs reçoivent des avis de vérification de l'IRS au moins 2,9 foi…

Variantes

Une "Variante" est un incident qui partage les mêmes facteurs de causalité, produit des dommages similaires et implique les mêmes systèmes intelligents qu'un incident d'IA connu. Plutôt que d'indexer les variantes comme des incidents entièrement distincts, nous listons les variations d'incidents sous le premier incident similaire soumis à la base de données. Contrairement aux autres types de soumission à la base de données des incidents, les variantes ne sont pas tenues d'avoir des rapports en preuve externes à la base de données des incidents. En savoir plus sur le document de recherche.

Incidents similaires

Par similarité textuelle

Did our AI mess up? Flag the unrelated incidents

COMPAS Algorithm Performs Poorly in Crime Recidivism Prediction

A Popular Algorithm Is No Better at Predicting Crimes Than Random People

May 2016 · 22 rapports
Northpointe Risk Models

Machine Bias - ProPublica

May 2016 · 15 rapports
Algorithmic Health Risk Scores Underestimated Black Patients’ Needs

A Health Care Algorithm Offered Less Care to Black Patients

Oct 2019 · 7 rapports
Incident précédentProchain incident

Incidents similaires

Par similarité textuelle

Did our AI mess up? Flag the unrelated incidents

COMPAS Algorithm Performs Poorly in Crime Recidivism Prediction

A Popular Algorithm Is No Better at Predicting Crimes Than Random People

May 2016 · 22 rapports
Northpointe Risk Models

Machine Bias - ProPublica

May 2016 · 15 rapports
Algorithmic Health Risk Scores Underestimated Black Patients’ Needs

A Health Care Algorithm Offered Less Care to Black Patients

Oct 2019 · 7 rapports

Recherche

  • Définition d'un « incident d'IA »
  • Définir une « réponse aux incidents d'IA »
  • Feuille de route de la base de données
  • Travaux connexes
  • Télécharger la base de données complète

Projet et communauté

  • À propos de
  • Contacter et suivre
  • Applications et résumés
  • Guide de l'éditeur

Incidents

  • Tous les incidents sous forme de liste
  • Incidents signalés
  • File d'attente de soumission
  • Affichage des classifications
  • Taxonomies

2024 - AI Incident Database

  • Conditions d'utilisation
  • Politique de confidentialité
  • Open twitterOpen githubOpen rssOpen facebookOpen linkedin
  • ecd56df