Siltaa luottamukseen tekoälyssä

Teckoälyn omaksuminen on saavuttamassa kriittisen käännekohtan. Yritykset omaksuvat tekoälyä innostuneesti, ja heidän motivaationsa taustalla on tekoälyn lupaava potentiaali saavuttaa merkittäviä parannuksia operatiivisessa tehokkuudessa.

Slack- tutkimus löysi, että tekoälyn käyttö työpaikoissa on lisääntynyt viimeaikaisesti 24 prosentilla, ja 96 prosenttia johtajista uskoo, että on välttämätöntä integroida tekoäly liiketoimintaprosesseihin.

On kuitenkin kasvava kuilu tekoälyn hyödyllisyyden ja kasvavan huolen aiheuttamien haitallisten vaikutusten välillä. Vain 7 prosenttia pöytätyöntekijöistä uskoo, että tekoälyn tuottamat tulokset ovat luotettavia tarpeeksi auttamaan heitä työtehtävissä.

Tämä kuilu on nähtävissä johtajien tekoäly-integraation innostuksen ja työntekijöiden skeptisyyden välisessä terävässä kontrastissa tekijöihin, kuten:

• Bias ja reiluus: Tekoälyjärjestelmät voivat ylläpitää tai jopa korostaa olemassa olevia bias-ongelmia, mikä johtaa epäreiluihin tuloksiin.
• Yksityisyys ja turvallisuus: Työntekijät ovat huolissaan siitä, miten heidän henkilökohtaisia tietojaan kerätään, tallennetaan ja käytetään tekoälyjärjestelmissä.
• Epäselvä päätöksenteko: Tekoälyjärjestelmät toimivat usein “mustana laatikkoa”, jolloin niiden tekemät päätökset ovat vaikeita ihmisten ymmärtää tai selittää.
• Automaatio-ahdistus: On laajasti levinnyt pelko, että tekoäly korvaa ihmisten työt, mikä johtaa työttömyyteen ja taloudelliseen epävakautta.

Lainsäädännön rooli luottamuksen rakentamisessa

Näiden monitahoisten luottamuksellisuusongelmien ratkaisemiseksi lainsäädäntö on yhä enenevissä määrin nähtävissä välttämättömänä toimenpiteenä. Lainsäädäntö voi pelata ratkaisevaa roolia tekoälyn kehityksen ja käytön sääntelyssä, mikä parantaa luottamusta. Tärkeimmät lainsäädäntölähestymistavat ovat:

• Tietosuojalait ja -säännöt: Tiukkojen tietosuojalakien toteuttaminen varmistaa, että tekoälyjärjestelmät käsittelevät henkilökohtaisia tietoja vastuullisesti. Säännökset kuten Euroopan unionin yleinen tietosuoja-asetus (GDPR) asettavat esimerkin vaatimalla avoimuutta, tietojen vähimmäismäärää ja käyttäjien suostumusta.
• Teckoäly-säännökset: Euroopan unioni on hyväksynyt tekoälylain (EU AIA), jonka tavoitteena on säännellä tekoälyjärjestelmiä niiden riskitasojen perusteella. Laki sisältää pakollisia vaatimuksia korkean riskin tekoälyjärjestelmille, jotka kattavat alueita kuten tietojen laatu, dokumentaatio, avoimuus ja ihmisen valvonta.

Standardien aloitteet luotettavan tekoälyn edistämiseksi

Yritykset eivät tarvitse odottaa uusia lakeja voidakseen määritellä, ovatko heidän prosessit heidän eettisiä ja luotettavia. Tekoäly-säännökset toimivat yhdessä kehittyvien tekoäly- standardien kanssa, jotka antavat yrityksille mahdollisuuden toteuttaa vastuullista tekoäly-hallintaa ja parhaita käytäntöjä koko tekoälyjärjestelmien elinkaaren ajan, käsittäen suunnittelun, toteutuksen, käytön ja lopulta poistamisen.

Yhdysvaltain kansallinen teknologiainstituutti (NIST) on kehittänyt tekoäly-riskien hallintakehyksen ohjaamaan organisaatioita tekoäly-rikkien hallinnassa. KeHYs on järjestetty neljän perustoiminnon ympärille:

• Ymmärtäminen tekoälyjärjestelmästä ja siitä kontekstista, jossa se toimii. Tähän sisältyy määrittely tekoälyjärjestelmän tarkoituksesta, sidosryhmistä ja mahdollisista vaikutuksista.
• Teckoälyjärjestelmään liittyvien riskien määritys, mukaan lukien sekä tekniset että ei-tekniset näkökulmat. Tämä sisältää arvioinnin järjestelmän suorituskyvystä, luotettavuudesta ja mahdollisista bias-ongelmista.

• Riskien korjaamiseen tähtäävien strategioiden toteuttaminen. Tähän sisältyy politiikkojen, menettelytapojen ja valvontamekanismien kehittäminen, jotta tekoälyjärjestelmä toimii hyväksyttyjen riskitasojen puitteissa.
• Johtamisrakenteiden ja vastuu-mekanismien perustaminen tekoälyjärjestelmän valvontaan ja riskienhallintaan. Tähän sisältyy säännölliset tarkastukset ja päivitykset riskienhallintastrategiaan.

Vastauksena generatiivisen tekoälyn edistymiseen NIST julkaisi myös tekoäly-riskien hallintakehyksen: Generatiivisen tekoälyn profiilin, joka tarjoaa ohjeita erityisten generatiivisen tekoälyn riskien vähentämiseksi. Näitä toimia ovat mm. suojautuminen haitallisten käyttötarkoitusten varalta (esim. disinformaatio, sisällön heikentäminen, vihapuhe) ja eettiset tekoälysovellukset, jotka keskittyvät ihmisten arvoihin, kuten reiluuteen, yksityisyyteen, tietoturvaan, immateriaalioikeuksiin ja kestävyyteen.

Lisäksi Kansainvälinen standardointijärjestö (ISO) ja Kansainvälinen sähkötekniikan komissio (IEC) ovat yhdessä kehittäneet ISO/IEC 23894: n, joka on kattava standardi tekoäly-riskien hallintaan. Tämä standardi tarjoaa systemaattisen lähestymistavan riskien tunnistamiseen ja hallintaan koko tekoäly-elinkaaren ajan, mukaan lukien riskien tunnistaminen, riskin vakavuuden arviointi, riskin vähentäminen tai välttäminen sekä jatkuva seuranta ja tarkastus.

Teckoälyn ja julkisen luottamuksen tulevaisuus

Tulevaisuudessa tekoäly ja julkisen luottamuksen tulee todennäköisesti riippua useista avaintekijöistä, jotka ovat kaikille organisaatioille seurattavia:

• Suorittaa kattava riskien arviointi mahdollisten vaatimustenmukaisuusongelmien tunnistamiseksi. Arvioi tekoälyjärjestelmiisi sisältyvät eettiset vaikutukset ja mahdolliset bias-ongelmat.
• Perustaa monialainen tiimi, johon kuuluvat lakimiehet, vaatimustenmukaisuusasiantuntijat, IT-ammattilaiset ja data-analyytikot. Tämä tiimi vastaa lainsäädännön muutosten seuraamisesta ja varmistaa, että tekoälyjärjestelmät noudattavat uusia sääntöjä.
• Toteuta johtamisrakenteita, jotka sisältävät politiikat, menettelytavat ja roolit tekoäly-aloitteiden hallintaan. Varmista avoimuus tekoäly-toiminnassa ja päätöksentekoprosesseissa.
• Suorita säännöllisiä sisäisiä tarkastuksia varmistaaksesi vaatimustenmukaisuuden tekoäly-säännöksiin. Käytä valvontatyökaluja seurataksesi tekoälyjärjestelmien suorituskykyä ja noudattamista sääntelynormeja.
• Kouluta työntekijöitä tekoäly-eetiikasta, vaatimustenmukaisuusvaatimuksista ja parhaista käytännöistä. Tarjoa jatkuva koulutus tekoäly-sääntelyjen muutoksista ja vaatimustenmukaisuusstrategioista.
• Ylläpidä yksityiskohtaisia tietoja tekoäly-kehitysprosesseista, tietokäytöstä ja päätöksentekokriteereistä. Valmistaudu luomaan raportteja, jotka voidaan toimittaa sääntelyviranomaisille, jos tarve vaatii.
• Rakenna suhteita sääntelyviranomaisiin ja osallistu julkisiin kuulemistilaisuuksiin. Tarjoa palautetta ehdotetuista säännöksistä ja etsi selvennystä, kun tarve vaatii.

Teckoälyn kontekstualisointi luotettavan tekoälyn saavuttamiseksi

Lopulta luotettava tekoäly riippuu tietojen eheytystä. Generatiivisen tekoälyn riippuvuus suurista tietojoukoista ei vastaa välttämättä tarkkuutta ja luotettavuutta; se on jopa vastakkainen. Retrieval Augmented Generation (RAG) on innovatiivinen tekniikka, joka “yhdistää staattiset LLM:t kontekstisidonnaisiin tietoihin. Ja se voidaan ajatella erittäin tietoisena avustajana. Yksi, joka vastaa kyselyn kontekstia tiettyjen tietojen kanssa kattavasta tietopohjasta“. RAG mahdollistaa organisaatioille luoda kontekstisidonnaisia sovelluksia, jotka noudattavat yksityisyyden, turvallisuuden, tarkkuuden ja luotettavuuden odotuksia. RAG parantaa generoituja vastauksia hakemalla relevantteja tietoja tietopohjasta tai asiakirjarepositoriosta. Tämä mahdollistaa mallin perustaa generoimisensa tarkkaan ja ajantasaisiin tietoihin.

RAG antaa organisaatioille mahdollisuuden rakentaa tarkoitukseen tehtyjä tekoälysovelluksia, jotka ovat erittäin tarkkoja, kontekstiaavareita ja sopeutuvia, jotta voidaan parantaa päätöksentekoa, tehostaa asiakaskokemuksia, sujuvoittaa toimintoja ja saavuttaa merkittäviä kilpailuetuja.

Teckoäly-luottamuksen kuilun ylittäminen edellyttää avoimuutta, vastuuvelvoitetta ja eettistä tekoälyn käyttöä. Vaikka ei ole yhtä vastausta luottamuksen ylläpitämiseen, yrityksillä on strategioita ja työkaluja saatavilla. Toteuttamalla vahvat tietosuojatoimenpiteet ja noudattamalla sääntelynormeja voidaan luoda käyttäjien luottamus. Säännöllinen tekoälyjärjestelmien tarkastus bias-ongelmien ja epätarkkuuden osalta takaa reiluuden. Suurten kielen mallien (LLM) täydentäminen tarkoitukseen tehdyn tekoälyllä luo luottamusta sisällyttämällä omistajien tietopohjat ja tietolähteet. Sidosryhmien osallistaminen tekoälyn kykyjen ja rajoitusten keskusteluun luo myös luottamusta ja hyväksyntää.

Luotettava tekoäly ei ole helppo saavutus, mutta se on elintärkeä sitoumus tulevaisuutemme kannalta.