这带来的风险是，AI系统不仅将削弱弱势群体的质疑权力，而且将赋予设计方更多定义道德行为的权力。这种权力能够以十分微妙的形式呈现出来。例如，各种自动化系统往往被用来从某种方向来影响或“微调”某些个体，而很大程度上扮演决定或支配角色的是设计部署此类系统并从中获利的一方。
若要从零开始构建AI系统，以实现纠正上述不平衡现象等目标，这本身就要受到实力差距的限制。打造和维护AI系统需要大量的计算资源和大量数据。而拥有海量数据和计算资源的企业相对缺乏这类资源的企业拥有更多的战略优势。
我们如何在现有的各种行业中应对与AI相关的伦理问题?
随着AI系统在不同行业环境(如，医学、法律、金融)中的融入愈加深入，我们还将面临跨越不同行业的新的道德困境。
例如，AI系统在保健环境中的应用将对医疗专业人员道德准则中秉持的核心价值(如，涉及保密、护理的连续性、避免利益冲突以及知情权)造成挑战。
随着医疗业的不同利益相关方推出了各种各样的AI产品和服务。对这些核心价值的挑战可能会以全新的和意想不到的方式呈现。
当一名医生使用的AI诊断设备在受训时使用了一家医药公司的药品试验数据，而这家公司是某种药物处方的既得利益者，那么这位医生应如何遵守避免利益冲突的誓言?
虽然这是个假想的情况，但这点明了在修订以及更新职业道德准则的过程中必须解决的棘手问题。
同样地，负责管理AI研发及维护的专业协会也有必要考虑采取相应的措施。例如，美国人工智能协会(AAAI)应制定相关的道德准则，而美国计算机协会(ACM)以及电气和电子工程师协会(IEEE)需认真修订相关的道德准则。ACM和IEEE现有的道德准则已拥有20年以上的历史，不用说，这些准则不仅无法解决与人类机构、隐私和安全相关的核心问题，而且也无法预防AI和其他自动化决策系统可能产生的危害。随着AI技术进一步被整合到重要的社会领域中，这一点正变得越来越重要。
尽管更多的高等教育机构在技术和科学专业的教学中已开始强调职业道德的重要性，但这番努力仍处在初期，还有进一步的拓展空间。而民权、公民自由和道德实践等领域的知识还未成为学生们毕业时必须掌握的要求范围。此外，有一点是值得注意的，若有人违背医药界道德准则，他需承担的惩罚包括失去行医权力，这一点并不适用计算机科学或许多其他相关领域。
目前还不清楚大多数计算机科学家是否熟知ACM或IEEE准则中的核心内容。我们也不清楚，企业雇主是否会因为其他鼓励或压力因素而选择不遵守这种不具约束力的法规。因此，从实用角度看，除了仅仅对伦理框架进行改写和更新外，有必要关注范围更广的鼓励机制，并确保对伦理准则的遵从并不是事后才想起的事项，而是相关专业领域需要关注的核心问题，以及AI领域学习和实践中不可或缺的组成部分。
阐述建议
下面我们将进一步阐述上面简要提到的建议背后的基本原理。
1、多元化和拓宽AI开发和部署所必需的资源——如数据集、计算资源、教育和培训的使用，包括扩大参与这种开发的机会。特别是关注当前缺乏这种访问的人口。
正如在AI Now Experts研讨会期间很多人提到的，这些开发和培训AI系统的方法费用高昂并只限于少数大公司。或者简单地说，在没有大量资源的情况下DIY AI是不可能的。培训用AI模式要求有大量数据——越多越好。同时还要求有巨大的计算能力，而这费用不菲。这使得即使要进行基础研究都只能限于能支付这种使用费用的公司，因此限制了民主化开发AI系统服务于不同人群目标的可能性。投资基本的基础设施和使用合适的培训数据，有助于公平竞争。同样，开放现有行业和机构里开发和设计过程，以多元化内部纪律和外部评论，可帮助开发更好服务和反映多元化环境需求的AI系统。
2、升级使公平劳动行为具体化的定义和框架，以适应AI管理部署到工作地时出现的结构性变化。同时研究可替代的收入和资源分布、教育和再培训模式，以适应未来重复性工作日益自动化和劳动及就业态势不断变化。
在AI Now Experts研讨会上，奥巴马总统首席经济学家贾森·福尔曼(Jason Furman)指出，在美国每小时工资只有不到20美元的工作，83%都将面临自动化的严重压力。对于每小时工资在20-40美元的中等收入工作，这个比例也高达31%。这是劳动力市场一次巨大转变，可能导致出现一个永久失业阶层。为确保AI系统的效率在劳动力市场不会导致民众不安，或社会重要机构如教育(有一种可能是教育不再视为就业的更好途径)的解散，在这种巨大转变出现，应该彻底研究替代性资源分布方法和其他应对引入自动化的模式，制定的政策应该为组织良好的各种落实测试开路，控制可能导致的灾难性后果。