Come le aziende possono creare un’intelligenza artificiale responsabile e trasparente – Leader di pensiero

Di Eric Paternoster, Amministratore delegato di Infosys Public Services

Sundar Pichai, amministratore delegato di Alphabet, la società madre di Google, ha descritto gli sviluppi dell’intelligenza artificiale come “più profondi del fuoco o dell’elettricità” e la COVID-19 ha portato un’urgenza fresca nel rilasciare la promessa di questa tecnologia. Le applicazioni dell’intelligenza artificiale sono ora saldamente sotto i riflettori, migliorando i trattamenti per la COVID, tracciando i potenziali portatori di COVID e distribuendo chatbot in tempo reale per gli utenti dei siti web di retail che hanno problemi di approvvigionamento. Queste applicazioni hanno dimostrato che l’intelligenza artificiale migliora la resilienza di un’azienda e beneficia l’intera società.

Così, insieme a “cloud-native”, il termine chiave del ultimo trimestre potrebbe essere proprio “trasformazione guidata dall’intelligenza artificiale”, un termine che gli operatori del settore ritengono sarà valido anche dopo che la COVID sarà scomparsa. Per molte aziende, la promessa di costi più bassi (ad esempio, algoritmi di catena di approvvigionamento che abbinnano l’offerta con la domanda) e aumenti di produttività degni di nota (ad esempio, quando le banche utilizzano la verifica dei documenti e dell’identità in tempo reale) è semplicemente troppo buona per essere ignorata.

Perché la trasformazione guidata dall’intelligenza artificiale?

Nella trasformazione guidata dall’intelligenza artificiale, un’azienda utilizza l’intelligenza artificiale come stella polare, lavorando per utilizzarla non solo in modo intelligente, ma anche in modo che influenzi le decisioni prese dalle persone, dai processi e dai sistemi su larga scala. Sintonizza le organizzazioni con le dinamiche in evoluzione tra dipendenti, partner e clienti. Ciò consente loro di cambiare rapidamente e soddisfare le esigenze in evoluzione, creando nel contempo un vantaggio competitivo a lungo termine.

Ma non tutte le aziende sono allo stesso livello di maturità dell’intelligenza artificiale. Ci sono alcune che possono essere definite come il “gruppo di intelligenza artificiale convenzionale”, o H1. Queste aziende, che hanno meno esperienza e investimenti, utilizzano generalmente algoritmi classici come il naïve Bayes, che esiste da 250 anni, o il random forest (sviluppato da Tin Kam Ho nel 1995) per aumentare l’intelligenza frammentata all’interno dei sistemi esistenti. Tali utilizzi dell’intelligenza artificiale sono strettamente basati su regole e piuttosto rigidi, mancando della capacità di generalizzare dalle regole che scoprono. Poi c’è il “gruppo di apprendimento profondo”, o H2. Queste aziende abbracciano un’intelligenza artificiale più complessa, inclusi la traduzione automatica neurale e i sistemi basati sulla trascrizione, per estrarre informazioni conversazionali. Tali sistemi hanno più potere, ma non spiegano facilmente il motivo per cui fanno le cose che fanno. Inoltre, mancano di trasparenza. Per questi due gruppi, l’intelligenza artificiale utilizzata spesso non è degna di fiducia o affidabile e può prendere decisioni pregiudicate che attirano l’attenzione negativa degli enti governativi, dei regolatori e del pubblico in generale.

Queste aziende devono fare mosse ora per portare le loro implementazioni di intelligenza artificiale un passo più in là – a un terzo campo (H3) in cui l’intelligenza artificiale è auto-apprendente e generativa. A questo punto, i sistemi di intelligenza artificiale sono semi-supervisionati o addirittura non supervisionati. Sono trasparenti e raggiungono il “senso comune” attraverso l’apprendimento multitask. Questi sistemi forniscono un’intelligenza più ricca e forniscono informazioni azionabili in tempo reale. Ciò avviene attraverso un’intelligenza artificiale ben gestita e governata, che è interpretabile e spiegabile in tutte le fasi.

Come lavorare per un’intelligenza artificiale più responsabile e trasparente

L’intelligenza artificiale viene utilizzata sempre più per gestire le scuole, i luoghi di lavoro e altre entità pubbliche. In questi ambienti, è più importante che mai che l’intelligenza artificiale sia equa e trasparente. Tuttavia, poiché la società sta lavorando a questa esplosione di adozione dell’intelligenza artificiale, gli enti regolatori forniscono indicazioni limitate sullo sviluppo e sulla distribuzione appropriati delle tecnologie di intelligenza artificiale. Pertanto, l’onere è sulle aziende di prendere l’iniziativa. L’industria tecnologica più ampia deve mettere a disposizione muscoli finanziari e capitale umano, trasformando le implementazioni iniziali di intelligenza artificiale frammentata in ecosistemi di intelligenza guidata dall’intelligenza artificiale efficienti, creativi, responsabili e trasparenti. Per entrare in questo spazio, le aziende dovrebbero fare le seguenti quattro cose:

• Mantenere gli esseri umani nel ciclo: i modelli di intelligenza artificiale sono spesso progettati per funzionare in modo indipendente dagli esseri umani. Tuttavia, l’elemento umano è cruciale in molti casi. Gli esseri umani devono esaminare le decisioni e evitare pregiudizi e errori che spesso ostacolano i progetti di intelligenza artificiale. Due casi di utilizzo includono la rilevazione delle frodi e i casi in cui è coinvolta la polizia. Consigliamo alle aziende di assumere praticanti di intelligenza artificiale lentamente ma costantemente nel tempo per avere un vantaggio nel loro percorso di intelligenza artificiale.
• Eliminare i set di dati pregiudizievoli: un set di dati non pregiudizievoli è un requisito fondamentale per creare modelli di intelligenza artificiale affidabili, equi e non discriminatori. Per capire l’importanza di questo, l’intelligenza artificiale viene utilizzata per la selezione dei curriculum e per la valutazione del credito da parte delle banche e ha addirittura fatto la sua apparizione in alcuni sistemi giudiziari. In questo panorama, i pregiudizi incontrollati hanno avuto implicazioni molto reali.
• Garantire che le decisioni siano spiegabili: questa funzione è stata trattata da molti dei grandi giornali, e a ragione. L’intelligenza artificiale spiegabile aiuta a spiegare il motivo per cui un sistema di intelligenza artificiale ha preso una certa decisione. Rivela quali funzionalità del modello di apprendimento profondo sono state utilizzate più di altre per fare la sua previsione o ipotesi. Comprendere l’importanza delle funzionalità e essere in grado di giustificare come vengono prese le decisioni è cruciale per casi di utilizzo come i veicoli autonomi e la visione computerizzata utilizzata nelle biopsie mediche.
• Riprodurre in modo affidabile i risultati: una necessità comune nei progetti di ricerca, i modelli di intelligenza artificiale dovrebbero essere coerenti quando forniscono previsioni nel tempo. Tali modelli non dovrebbero essere influenzati quando presentati con nuovi dati.

Queste quattro cose creeranno ecosistemi di intelligenza guidata dall’intelligenza artificiale trasparenti, muovendosi verso ciò che noi chiamiamo un “impresa vivente”. Qui, le decisioni non pregiudicate e spiegabili vengono prese in tempo reale, con l’intera azienda che funziona come un organismo senziente governato dagli esseri umani. Leggi il documento white paper dell’Istituto di conoscenza di Infosys per scoprire di più.