Former une main-d'œuvre IA digne de confiance

Résumé#

Cette loi, appelée la Loi sur la main-d'œuvre pour la confiance en l'IA, modifie les programmes fédéraux existants en matière d'IA pour développer des équipes multidisciplinaires et préparer les travailleurs à une IA digne de confiance. Elle ajoute de nouvelles autorités de bourses et de formation à la Fondation nationale des sciences (NSF). Elle ordonne également à l'Institut national des normes et de la technologie (NIST) de créer un cadre commun de main-d'œuvre pour les emplois et compétences en IA.

• Changement principal : La NSF peut financer des bourses interdisciplinaires pour les cycles supérieurs et les postdoctorants axées sur l'IA digne de confiance, ainsi que des formations, des ateliers et des évaluations par les pairs interdisciplinaires pour les propositions d'IA.
• Changement principal : Le NIST doit développer et publier un cadre de main-d'œuvre en IA (un lexique commun et des descriptions de tâches, compétences et rôles) et offrir une assistance technique connexe.
• Objectif : renforcer la main-d'œuvre qui conçoit, gouverne, teste et évalue des systèmes d'IA sûrs et dignes de confiance.

Ce que cela signifie pour vous#

• Étudiants et chercheurs postdoctoraux

  • Nouvelles opportunités de bourses destinées aux personnes étudiant l'IA et des domaines connexes, y compris les sciences sociales et les humanités.
  • Les bourses peuvent couvrir les frais de scolarité, les allocations, les salaires, les avantages, les frais de déménagement, les conférences et les coûts de recherche pendant une durée maximale de trois ans.
  • Pour être éligibles à ces bourses, les étudiants et les postdoctorants doivent être des citoyens américains, des ressortissants américains ou des résidents permanents légaux.
  • Les bourses peuvent inclure des postes temporaires dans des agences fédérales ou d'État, des laboratoires nationaux, des entreprises privées ou des universités.

• Universités et institutions de recherche

  • Peuvent postuler pour des subventions afin de soutenir des bourses interdisciplinaires en IA et d'organiser des ateliers qui construisent des équipes multidisciplinaires.
  • Doivent décrire comment les boursiers travailleront avec des chercheurs en IA et comment les résultats et les meilleures pratiques seront partagés.
  • Peuvent recevoir des suppléments à des subventions de recherche existantes pour financer le développement professionnel qui enseigne aux étudiants de cycle supérieur et aux postdoctorants à appliquer l'IA à la recherche.

• Chercheurs et panels de subventions

  • Les panels d'évaluation par les pairs de la NSF pour les propositions liées à l'IA devraient inclure des perspectives de plusieurs disciplines, telles que les sciences sociales, l'éthique, le droit et la linguistique, lorsque cela est pratique.

• Employeurs, fournisseurs de formation et planificateurs de main-d'œuvre

  • Le NIST publiera un cadre commun de main-d'œuvre en IA décrivant les rôles, les tâches, les connaissances et les compétences.
  • Les orientations du NIST sont destinées à être utilisées par l'industrie, le gouvernement, l'éducation et les groupes de travail pour concevoir des formations, des certificats et des pratiques d'embauche.

• Agences fédérales

  • Le NIST aidera à aligner le programme de bourses de service de la NSF et les descriptions de poste du Bureau de gestion du personnel avec le cadre de l'IA.

• Organisations syndicales et ONG

  • La loi inclut explicitement les organisations syndicales et les groupes à but non lucratif parmi ceux que le NIST devrait consulter lors de l'élaboration du cadre.

Dépenses#

Aucune information disponible publiquement.

• Le texte de la loi n'inclut pas de montants de financement spécifiques ni de note fiscale.
• La mise en œuvre nécessiterait probablement du temps de personnel de la NSF et du NIST pour mettre en place des programmes de bourses, des ateliers, des changements d'évaluation par les pairs et pour développer et publier le cadre de main-d'œuvre.
• Les institutions postulant pour des subventions peuvent encourir des coûts administratifs pour préparer des demandes et gérer des programmes de bourses.
• La loi permet aux bourses de soutenir les frais de déplacement, les allocations, les salaires et d'autres dépenses, mais ne précise pas les montants d'appropriation totaux.

Point de vue des partisans#

• La loi semble destinée à combler les lacunes de la main-d'œuvre en IA aux États-Unis en promouvant des équipes multidisciplinaires et une formation axée sur l'IA digne de confiance.
• Les partisans peuvent faire valoir qu'elle renforcera le pool de chercheurs capables de concevoir, évaluer et gouverner des systèmes d'IA en finançant des personnes issues des sciences sociales, des humanités et des domaines techniques.
• La création d'un cadre commun de main-d'œuvre pourrait faciliter la tâche des employeurs, des éducateurs et du gouvernement pour décrire les emplois, les compétences et les besoins de formation pour les rôles en IA.
• Encourager l'évaluation par les pairs interdisciplinaire pourrait apporter des perspectives éthiques, juridiques et sociales dans les décisions de financement de la recherche en IA.
• La loi soutient le partage des meilleures pratiques et l'intégration de la formation dans les domaines STEM financés par la NSF pour accélérer l'utilisation responsable de l'IA dans la recherche.

Point de vue des opposants#

• Une préoccupation est que la loi ne précise pas les niveaux de financement ni un plan fiscal, il n'est donc pas clair combien de bourses ou combien de formations seraient réellement soutenues.
• L'exigence de citoyenneté et de résidence permanente pour les boursiers pourrait limiter la participation des étudiants et chercheurs internationaux, ce qui pourrait réduire l'accès aux talents mondiaux.
• L'exigence selon laquelle les panels d'évaluation par les pairs doivent inclure des disciplines diverses est qualifiée par "dans la mesure du possible et approprié", ce qui pourrait rendre la mise en œuvre inégale.
• Développer et maintenir un cadre national de main-d'œuvre pourrait dupliquer ou chevaucher des cadres existants à moins qu'une coordination efficace ne soit mise en place ; la loi demande au NIST d'éviter les duplications inutiles mais donne peu de détails sur l'application.
• Des détails pratiques manquent sur la manière dont le succès sera mesuré, comment les institutions seront sélectionnées ou financées à long terme, et comment le cadre sera maintenu à jour avec les rôles en IA en évolution rapide.