莱尔与奥姆将机器学习过程中的这种人类干预称为“操控数据”。他们认为，法律学者一直以来过于关注机器学习系统的自主性，这表现为他们主要关注系统的“运行模式”(其采用方式).而忽视了塑造机器学习系统的数据处理活动。正如他们所言，机器学习系统并非具有内部运作机制的神秘黑箱。事实上，它们是“人类密集型劳动—来自数据科学家、统计学家、分析师、计算机工程师—的复杂产出成果”(Lehr and()hm，2017：717)。从这个角度来看、或许我们可以认为21世纪初最为广泛应用的人工智能系统形式一基于机器学习的人工智能系统—本质上是一种具有一定程度自主性的数据处理实践，可能会受到不同形式的(不仅包括技术设计，还包括它们在社会中的组装与应用)人类干预的影响。
我在这里使用的也是这种人工智能概念。与其说它是一个科学或技术术语，我更倾向于关注这一概念在特定历史时刻的复兴与应用，并不打算进一步思考人工智能(在技术层面或哲学层面)的潜在“智能”。之所以如此使用这--术语，我的目的在于解决其在公共话语当中更为普遍的使问题。具体而言，在21世纪10年代末的欧洲政策话语之中，它关注的是社会大数据系统的技术演变与社会演变。同样，我还想说明：虽然“人工智能”这一术语的确是在这一时期尤为常见，但仍真人1智能实际上并不是其关注的重点。
欧盟人I智能高级别专家组(HIEG)着手完成的首要任务之一就是界定人1智能。这一技术定义后来被作为专家组的成果发表出来，强调了人工智能的数据过程与人类十预：
人工智能(A1)系统是由人类设计的软硬件系统、在给定复杂目标的情况之下。可以从物理或数字维度、通过数据获取来感知环境、解读所收集到的结构化或非结构化数据，并基于知识进行推理，或是通过处理来自数据的信息，从而为实现既定目标来决策最优行为。(HIEGC，2019：6)
第3章大数据人工智能社会技术基础设施
91