Ηγέτες σκέψης

Με τις Προόδους της Γεννητικής Νοημοσύνης, Η Ώρα για την Υπεύθυνη Νοημοσύνη Είναι Τώρα

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Το 2022, οι εταιρείες είχαν κατά μέσο όρο 3.8 μοντέλα AI σε παραγωγή. Σήμερα, επτά στις δέκα εταιρείες πειραματίζονται με γεννητική νοημοσύνη, γεγονός που σημαίνει ότι ο αριθμός των μοντέλων AI σε παραγωγή θα αυξηθεί κατακόρυφα τα επόμενα χρόνια. Ως αποτέλεσμα, οι βιομηχανικές συζητήσεις γύρω από την υπεύθυνη νοημοσύνη έχουν λάβει μεγαλύτερη επείγουσα ανάγκη.

Οι καλές ειδήσεις είναι ότι περισσότερες από τις μισές οργανώσεις ήδη προωθούν την ηθική της νοημοσύνης. Ωστόσο, μόνο γύρω στο 20% έχουν εφαρμόσει ολοκληρωμένα προγράμματα με πλαισιά, διακυβέρνηση και φράγματα για την εποπτεία της ανάπτυξης μοντέλων AI και την προαктивή αναγνώριση και μείωση των κινδύνων. Δεδομένης της ταχείας πορείας της ανάπτυξης της νοημοσύνης, οι ηγέτες πρέπει να προχωρήσουν τώρα για την εφαρμογή πλαισίων και ωριμών διαδικασιών. Οι κανονισμοί σε όλο τον κόσμο έρχονται και ήδη μία στις δύο οργανώσεις έχει υποστεί μια αποτυχία υπεύθυνης νοημοσύνης.

Προκλήσεις στην Εφαρμογή της Υπεύθυνης Νοημοσύνης

Η υπεύθυνη νοημοσύνη καλύπτει μέχρι και 20 διαφορετικές επιχειρηματικές λειτουργίες, αυξάνοντας την πολυπλοκότητα των διαδικασιών και της λήψης αποφάσεων. Οι ομάδες υπεύθυνης νοημοσύνης πρέπει να συνεργαστούν με βασικούς ενδιαφερόμενους, συμπεριλαμβανομένων των ηγετών, των ιδιοκτητών επιχειρήσεων, των ομάδων δεδομένων, AI και IT, και των συνεργατών για:

  • Να κατασκευάσουν λύσεις AI που είναι δίκαιες και ελεύθερες από προκαταλήψεις: Οι ομάδες και οι συνεργάτες μπορούν να χρησιμοποιήσουν διαφορετικές τεχνικές, όπως η εξερευνητική ανάλυση δεδομένων, για να αναγνωρίσουν και να μετριάσουν τις πιθανές προκαταλήψεις πριν από την ανάπτυξη λύσεων – έτσι, τα μοντέλα κατασκευάζονται με δίκαιη σκέψη από την αρχή. Οι ομάδες και οι συνεργάτες μπορούν επίσης να αναθεωρήσουν τα δεδομένα που χρησιμοποιούνται στην προεπεξεργασία, το σχεδιασμό αλγορίθμων και την μετα-επεξεργασία για να διασφαλίσουν ότι είναι αντιπροσωπευτικά και ισορροπημένα. Επιπλέον, μπορούν να χρησιμοποιήσουν τεχνικές ομαδικής και ατομικής δίκαιης για να διασφαλίσουν ότι οι αλγόριθμοι αντιμετωπίζουν δίκαια διαφορετικές ομάδες και άτομα. Και οι προσεγγίσεις της αντίστροφης δίκαιης μετριάζουν τα αποτελέσματα εάν αλλάξουν ορισμένα στοιχεία, βοηθώντας στην αναγνώριση και αντιμετώπιση των προκαταλήψεων.
  • Να προωθήσουν τη διαφάνεια και την εξηγήσιμη AI: Η διαφάνεια της AI σημαίνει ότι είναι εύκολο να κατανοηθεί πώς λειτουργούν τα μοντέλα AI και λαμβάνουν αποφάσεις. Η εξηγήσιμη σημαίνει ότι αυτές οι αποφάσεις μπορούν να εξηγηθούν εύκολα σε άλλους με μη τεχνικούς όρους. Χρησιμοποιώντας κοινή ορολογία, πραγματοποιώντας τακτικές συζητήσεις με ενδιαφερόμενους και δημιουργώντας μια κουλτούρα της AI ευαισθητοποίησης και συνεχούς μάθησης μπορεί να βοηθήσει στην επίτευξη αυτών των στόχων.
  • Να διασφαλίσουν την ιδιωτικότητα και την ασφάλεια των δεδομένων: Τα μοντέλα AI χρησιμοποιούν βουνά δεδομένων. Οι εταιρείες αξιοποιούν πρώτα και τρίτα δεδομένα για να ταΐσουν τα μοντέλα. Χρησιμοποιούν επίσης τεχνικές προστασίας της ιδιωτικότητας, όπως η δημιουργία συνθετικών δεδομένων για να υπερβούν τα προβλήματα σπανιότητας. Οι ηγέτες και οι ομάδες θα ήθελαν να αναθεωρήσουν και να εξελίξουν τις ασφαλείς φράγματα για την προστασία της ιδιωτικότητας και την ασφάλεια για να διασφαλίσουν ότι τα εμπιστευτικά και ευαίσθητα δεδομένα προστατεύονται ακόμη και όταν χρησιμοποιούνται με νέους τρόπους. Για παράδειγμα, τα συνθετικά δεδομένα πρέπει να μιμούνται τα βασικά χαρακτηριστικά των πελατών αλλά δεν πρέπει να είναι αναγνωρίσιμα σε άτομα.
  • Να εφαρμόσουν τη διακυβέρνηση: Η διακυβέρνηση θα ποικίλλει με βάση την ωριμότητα της εταιρικής AI. Ωστόσο, οι εταιρείες πρέπει να ορίσουν αρχές και πολιτικές AI από την αρχή. Όσο αυξάνεται η χρήση των μοντέλων AI, μπορούν να διορίσουν αξιωματούχους AI, να εφαρμόσουν πλαισιά, να δημιουργήσουν μηχανισμούς ευθύνης και αναφοράς και να αναπτύξουν βρόχους ανατροφοδότησης και προγράμματα συνεχούς βελτίωσης.

Κρίσιμες Ενεργοί ενός Προγράμματος Υπεύθυνης Νοημοσύνης

Τι διαφοροποιεί τις εταιρείες που είναι ηγέτες στην υπεύθυνη νοημοσύνη από τις άλλες; Αυτές:

  • Δημιουργούν μια όραση και στόχους για την AI: Οι ηγέτες επικοινωνούν την όρασή τους και τους στόχους για την AI και πώς ωφελεί την εταιρεία, τους πελάτες και την κοινωνία.
  • Ορίζουν προσδοκίες: Οι ανώτεροι ηγέτες ορίζουν τις σωστές προσδοκίες με τις ομάδες για να κατασκευάσουν υπεύθυνες λύσεις AI από την αρχή και όχι να προσπαθούν να προσαρμόσουν λύσεις μετά την ολοκλήρωσή τους.
  • Εφαρμόζουν ένα πλαισίο και διαδικασίες: Οι συνεργάτες παρέχουν πλαισιά υπεύθυνης νοημοσύνης με διαφανείς διαδικασίες και φράγματα. Για παράδειγμα, οι έλεγχοι ιδιωτικότητας, δίκαιης και προκαταλήψεων πρέπει να είναι ενσωματωμένοι στην αρχική προεπεξεργασία δεδομένων, την ανάπτυξη μοντέλων και την συνεχιζόμενη παρακολούθηση.
  • Προσπελαύνουν τομέα, βιομηχανία και δεξιότητες AI: Οι ομάδες θέλουν να επιταχύνουν την καινοτομία των λύσεων AI για να αυξήσουν την επιχειρηματική ανταγωνιστικότητα. Μπορούν να στραφούν σε συνεργάτες για σχετικές δεξιότητες τομέα και βιομηχανίας, όπως η ορισμός στρατηγικής και εκτέλεσης δεδομένων και AI, σε συνδυασμό με ανάλυση πελατών, τεχνολογία marketing, αλυσίδα εφοδιασμού και άλλες ικανότητες. Οι συνεργάτες μπορούν επίσης να παρέχουν πλήρη φάσμα δεξιοτήτων AI, συμπεριλαμβανομένης της μηχανικής μεγάλων γλωσσικών μοντέλων, ανάπτυξης, λειτουργίας και μηχανικής πλατφόρμας, αξιοποιώντας πλαισιά υπεύθυνης νοημοσύνης και διαδικασίες για να σχεδιάσουν, να αναπτύξουν, να λειτουργήσουν και να παραγάγουν λύσεις.
  • Προσπελαύνουν επιταχυντές: Οι συνεργάτες προσφέρουν πρόσβαση σε ένα οικοσύστημα AI, το οποίο μειώνει τον χρόνο ανάπτυξης για υπεύθυνες παραδοσιακές και γεννητικές AI πιλοτικές εργασίες μέχρι και 50%. Οι επιχειρήσεις κερδίζουν κατακόρυφες λύσεις που αυξάνουν την αγορά ανταγωνιστικότητά τους.
  • Εγγυώνται την υιοθέτηση και την ευθύνη της ομάδας: Οι εταιρικές και συνεργατικές ομάδες εκπαιδεύονται σε νέες πολιτικές και διαδικασίες. Επιπλέον, οι εταιρείες ελέγχουν τις ομάδες για συμμόρφωση με τις βασικές πολιτικές.
  • Χρησιμοποιούν τα σωστά μετρικά για να ποσοτικοποιήσουν τα αποτελέσματα: Οι ηγέτες και οι ομάδες χρησιμοποιούν αναφορές και άλλα μετρικά για να αποδείξουν πώς η υπεύθυνη νοημοσύνη συμβάλλει στην επιχειρηματική αξία για να διατηρήσουν την εμπλοκή των ενδιαφερόμενων υψηλή.
  • Παρακολουθούν τα συστήματα AI: Οι συνεργάτες παρέχουν υπηρεσίες παρακολούθησης μοντέλων, λύνοντας προβλήματα προληπτικά και διασφαλίζοντας ότι παρέχουν αξιόπιστα αποτελέσματα.

Σχεδιάστε την Υπεύθυνη Νοημοσύνη Τώρα

Εάν η εταιρεία σας επιταχύνει την καινοτομία της AI, πιθανότατα χρειάζεται ένα πρόγραμμα υπεύθυνης νοημοσύνης. Κινηθείτε προληπτικά για να μειώσετε τους κινδύνους, να ωριμάσετε τα προγράμματα και τις διαδικασίες και να αποδείξετε την ευθύνη στους ενδιαφερόμενους.

Ένας συνεργάτης μπορεί να παρέχει τα σετ δεξιοτήτων, τα πλαισιά, τα εργαλεία και τις συνεργασίες που χρειάζεστε για να ξεκλειδώσετε την επιχειρηματική αξία με την υπεύθυνη νοημοσύνη. Αναπτύξτε μοντέλα που είναι δίκαια και ελεύθερα από προκαταλήψεις, εφαρμόστε ελέγχους και αυξήστε τη συμμόρφωση με τις εταιρικές απαιτήσεις ενώ προετοιμάζεστε για τις επικείμενες κανονιστικές ρυθμίσεις.

Ο Δρ Ravindra Patil είναι ο Ανώτερος Διευθυντής της Επιστήμης Δεδομένων στο Tredence, ηγείται μιας ομάδας με 15 χρόνια βιομηχανικής εμπειρίας στα Δεδομένα και την Τεχνητή Νοημοσύνη. Η εμπειρογνωσία του έγκειται στη सफή ηγεσία ομάδας και την ανάπτυξη αποτελεσματικών λύσεων Δεδομένων και Τεχνητής Νοημοσύνης. Ο Ravindra ξεκίνησε την καριέρα του στη Siemens, συνεισέφερε σημαντικά στην Philips Research και στις επιχειρηματικές ομάδες της. Πριν ενταχθεί στο Tredence, ηγήθηκε μιας ομάδας Δεδομένων και Τεχνητής Νοημοσύνης για το cluster Προσωπικής Υγείας της Philips αξίας 4 δισεκατομμυρίων δολαρίων.

Σε όλη τη διάρκεια της πορείας του, ο Ravindra έχει δημιουργήσει πολλαπλά αλγόριθμους Τεχνητής Νοημοσύνης, πλατφόρμες δεδομένων και διευκόλυνε την ενσωμάτωσή τους σε διάφορους επιχειρηματικούς τομείς. Κατέχει πτυχίο Μηχανικής, μεταπτυχιακό τίτλο στη αναγνώριση προτύπων από το IIT Madras, Ινδία, και διδακτορικό τίτλο στη μηχανική μάθηση από το Πανεπιστήμιο του Maastricht, Ολλανδία. Με πάνω από 30 αιτήσεις ευρεσιτεχνιών, πολλά δημοσιευμένα ερευνητικά έγγραφα και αναγνώριση ως ένας από τους 100 καλύτερους ηγέτες Τεχνητής Νοημοσύνης της Ινδίας από το περιοδικό AIM, οι επιτεύγματά του είναι αξιοσημείωτα.