+8618675556018

Jakimi zasadami etycznymi powinna kierować się sztuczna inteligencja?

Jul 27, 2022

Ponieważ nauka o danych staje się coraz bardziej wyrafinowana, a konsumenci coraz częściej wymagają bardziej spersonalizowanego doświadczenia klienta, sztuczna inteligencja jest narzędziem, które pomaga firmom lepiej zrozumieć ich klientów i odbiorców. Ale nawet jeśli sztuczna inteligencja ma cały potencjał na świecie, ten pełny potencjał może nigdy nie zostać wykorzystany, jeśli nie będziemy w stanie wymyślić, jak sprostać pozostałym wyzwaniom etycznym. Wraz z rozwojem tej technologii, jednym pytaniem, o którym powinni pamiętać wszyscy liderzy chcący wdrożyć strategię AI, jest to, jak zmaksymalizować wykorzystanie AI w przedsiębiorstwie w sposób etyczny i odpowiedzialny. Aby wdrożyć i skalować możliwości sztucznej inteligencji, które zapewniają pozytywny zwrot z inwestycji, jednocześnie minimalizując ryzyko, redukując uprzedzenia i doprowadzając sztuczną inteligencję do wartości, organizacje powinny przestrzegać czterech zasad:

 

1. Zrozum cele, zadania i ryzyka

 

Około siedem lat temu organizacja opublikowała coś, co nazwali „cyklem szumu wokół nowych technologii”, przewidując technologie, które zmienią społeczeństwo i biznes w ciągu następnej dekady. Jedną z takich technologii jest sztuczna inteligencja. Publikacja raportu skłoniła firmy do walki, aby udowodnić analitykom i inwestorom, że znają się na sztucznej inteligencji, a wiele z nich zaczyna stosować strategie sztucznej inteligencji w swoich modelach biznesowych. Czasami jednak strategie te okazują się źle wykonane i mogą być wykorzystywane jedynie jako refleksja nad istniejącymi celami analitycznymi lub liczbowymi. Dzieje się tak, ponieważ firmy nie mają jasnego zrozumienia problemu biznesowego, którego rozwiązania wymagają AI. Tylko 10 proc. modeli AI i ML opracowanych przez firmy jest wdrażanych. Sztuczna inteligencja pozostaje w tyle za historycznym rozdźwiękiem między daną firmą a analitykami danych, którzy mogą wykorzystać sztuczną inteligencję do rozwiązania problemu. Jednak wraz ze wzrostem dojrzałości danych firmy zaczęły integrować translatory danych z różnymi łańcuchami wartości, takimi jak marketingowe potrzeby biznesowe w zakresie odkrywania i przekształcania wyników. Dlatego nadrzędną zasadą opracowywania etycznej strategii AI jest zrozumienie wszystkich celów, celów i zagrożeń, a następnie stworzenie zdecentralizowanego podejścia do AI w przedsiębiorstwie.

 

2. Zwalczanie uprzedzeń i dyskryminacji

 

Duże i małe firmy ucierpiały na reputacji, a klienci nie ufają im, ponieważ rozwiązania sztucznej inteligencji nigdy nie zostały odpowiednio opracowane w celu rozwiązania problemu uprzedzeń. Dlatego firmy tworzące modele AI muszą podjąć działania zapobiegawcze, aby ich rozwiązania nie powodowały szkód. Sposobem na to jest stworzenie struktury, która zapobiegnie wszelkim negatywnym wpływom na predykcje algorytmu. Na przykład, jeśli firma chciałaby lepiej zrozumieć nastroje klientów poprzez ankiety, takie jak sposób postrzegania ich usług przez niedostatecznie reprezentowaną społeczność, może wykorzystać analitykę danych do analizy tych ankiet wśród klientów i rozpoznać, że część odpowiedzi była w językach innych niż angielski, jedyny język, który algorytm AI mógłby zrozumieć. Aby rozwiązać ten problem, naukowcy zajmujący się danymi mogą nie tylko modyfikować algorytm, ale także uwzględniać złożone niuanse języka. Jeśli potrafią zrozumieć te niuanse językowe i połączyć sztuczną inteligencję z bardziej płynnym językiem, aby uczynić te wnioski bardziej praktycznymi, firmy będą w stanie zrozumieć potrzeby niedostatecznie reprezentowanych społeczności, aby poprawić jakość obsługi klienta.

 

3. Opracuj pełen zakres podstawowych danych

 

Algorytmy sztucznej inteligencji są w stanie analizować duże zbiory danych, a firmy powinny priorytetowo traktować opracowywanie ram standardów danych wykorzystywanych i przetwarzanych przez ich modele sztucznej inteligencji. Aby skutecznie wdrożyć sztuczną inteligencję, niezbędny jest całościowy, przejrzysty i identyfikowalny zestaw danych. Sztuczna inteligencja musi uwzględniać ingerencję człowieka. Takie jak slang, skróty, słowa kodowe i wiele innych słów, które ludzie opracowali na podstawie ciągłej ewolucji, z których każde może spowodować błędy w wysoce technicznych algorytmach sztucznej inteligencji. Modele sztucznej inteligencji, które nie są w stanie poradzić sobie z tymi ludzkimi niuansami, kończą brakiem ogólnego zbioru danych. To jak próba jazdy bez lusterka wstecznego, z pewnymi potrzebnymi informacjami, ale bez kluczowych martwych punktów. Firmy muszą znaleźć równowagę między danymi historycznymi a interwencją człowieka, aby modele AI mogły zrozumieć te złożone różnice. Łącząc ustrukturyzowane i nieustrukturyzowane dane oraz szkoleniową sztuczną inteligencję w celu rozpoznania obu, można wygenerować bardziej kompleksowy zestaw danych i poprawić dokładność prognoz. Co więcej, audytowanie zbiorów danych przez stronę trzecią może być dodatkową korzyścią, wolną od stronniczości i rozbieżności.

 

4. Unikaj „czarnej skrzynki” tworzenia algorytmów

 

Podejścia Aby sztuczna inteligencja była etyczna, musi być całkowicie przejrzysta. Aby opracować strategie AI, które są jednocześnie przejrzyste, możliwe do wyjaśnienia i możliwe do wyjaśnienia, firmy muszą otworzyć „czarną skrzynkę” kodu, aby zrozumieć, w jaki sposób każdy węzeł w algorytmie wyciąga wnioski i interpretuje wyniki. Choć brzmi to prosto, osiągnięcie tego wymaga solidnych ram technicznych, które mogą interpretować zachowanie modelu i algorytmu, patrząc na kod bazowy, aby pokazać różne generowane podprognozy. Firmy mogą polegać na platformach open source do oceny modeli AI i ML w wielu wymiarach, w tym:

 

Analiza cech: aby ocenić wpływ zastosowania nowych cech w istniejących modelach

 

Analiza węzłów: wyjaśnij podzbiór prognoz

 

Analiza lokalna: interpretuj indywidualne prognozy i funkcje dopasowywania, aby poprawić wyniki

 

●Analiza globalna: zapewnia przegląd odgórnego ogólnego zachowania modelu i jego kluczowych funkcji. Sztuczna inteligencja to złożona technologia z wieloma potencjalnymi pułapkami, jeśli firmy nie będą ostrożne.

 

Udany model sztucznej inteligencji powinien priorytetyzować etykę od pierwszego dnia, a nie późniejszą refleksję. W różnych branżach i firmach sztuczna inteligencja nie jest uniwersalna, ale jednym wspólnym mianownikiem, który powinien dokonywać przełomów, jest zobowiązanie do przejrzystego i bezstronnego prognozowania.


Wyślij zapytanie