ບໍລິສັດສາມາດສ້າງ AI ທີ່ມີຄວາມຮັບຜິດຊອບແລະໂປ່ງໃສແນວໃດ - ຜູ້ນໍາທາງຄວາມຄິດ

By Eric Paternoster, CEO ຂອງ Infosys Public Services

Sundar Pichai, ຊີອີໂອຂອງບໍລິສັດແມ່ຂອງ Google Alphabet, ໄດ້ອະທິບາຍການພັດທະນາໃນ AI ວ່າ "ເລິກເຊິ່ງກວ່າໄຟຫຼືໄຟຟ້າ," ແລະ COVID-19 ໄດ້ນໍາເອົາຄວາມຮີບດ່ວນໃຫມ່ໃນການເປີດເຜີຍຄໍາສັນຍາຂອງເຕັກໂນໂລຢີນີ້. ປະຈຸບັນນີ້ແອັບພລິເຄຊັນຂອງ AI ຢູ່ໃນຈຸດເດັ່ນຢ່າງໜັກແໜ້ນ, ປັບປຸງການປິ່ນປົວ COVID, ການຕິດຕາມຜູ້ສົ່ງສັນຍານ COVID ທີ່ອາດມີ, ແລະນຳໃຊ້ chatbots ໃນເວລາຈິງສຳລັບຜູ້ໃຊ້ທີ່ຫຍຸ້ງຍາກໃນເວັບໄຊທ໌ຂາຍຍ່ອຍ. ຄໍາຮ້ອງສະຫມັກເຫຼົ່ານີ້ໄດ້ສະແດງໃຫ້ເຫັນວ່າ AI ປັບປຸງຄວາມຢືດຢຸ່ນຂອງທຸລະກິດແລະຜົນປະໂຫຍດຕໍ່ສັງຄົມຢ່າງກວ້າງຂວາງ.

ດັ່ງນັ້ນ, ຄຽງຄູ່ກັບ "cloud-native," buzzword ຂອງໄຕມາດທີ່ຜ່ານມາອາດຈະເປັນ "ການຫັນປ່ຽນ AI ທໍາອິດ", ເປັນຄໍາທີ່ນັກປະຕິບັດອຸດສາຫະກໍາເຊື່ອວ່າຈະເປັນຄວາມຈິງເຖິງແມ່ນວ່າຫຼັງຈາກ COVID ອອກໄປ. ສໍາລັບບໍລິສັດຈໍານວນຫຼາຍ, ຄໍາສັນຍາຂອງຄ່າໃຊ້ຈ່າຍຕ່ໍາ (ie, ບົບຕ່ອງໂສ້ການສະຫນອງທີ່ສອດຄ່ອງກັບຄວາມຕ້ອງການ) ແລະການຊຸກຍູ້ການຜະລິດທີ່ຫນ້າຊົມເຊີຍ (ເຊັ່ນ, ເມື່ອທະນາຄານໃຊ້ເອກະສານແລະການຢັ້ງຢືນຕົວຕົນໃນເວລາຈິງ) ແມ່ນດີເກີນໄປທີ່ຈະບໍ່ສົນໃຈ.

ເປັນຫຍັງ AI-First Transformation?

ໃນການຫັນປ່ຽນ AI ທໍາອິດ, ວິສາຫະກິດໃຊ້ AI ເປັນດາວເຫນືອ, ເຮັດວຽກເພື່ອນໍາໃຊ້ມັນບໍ່ພຽງແຕ່ສະຫລາດ, ແຕ່ຍັງຢູ່ໃນວິທີການທີ່ມີອິດທິພົນຕໍ່ການຕັດສິນໃຈທີ່ເຮັດໂດຍປະຊາຊົນ, ຂະບວນການແລະລະບົບຕ່າງໆ. ມັນປັບແຕ່ງອົງການຈັດຕັ້ງໄປສູ່ການປ່ຽນແປງລະຫວ່າງພະນັກງານ, ຄູ່ຮ່ວມງານ, ແລະລູກຄ້າ. ນີ້ເຮັດໃຫ້ພວກເຂົາສາມາດ pivot ແລະຕອບສະຫນອງຄວາມຕ້ອງການທີ່ປ່ຽນແປງຢ່າງໄວວາໃນຂະນະທີ່ສ້າງຄວາມໄດ້ປຽບໃນການແຂ່ງຂັນໃນໄລຍະຍາວ.

ແຕ່ບໍ່ແມ່ນບໍລິສັດທັງຫມົດຢູ່ໃນລະດັບດຽວກັນຂອງການເຕີບໂຕຂອງ AI. ມີບາງອັນທີ່ສາມາດເອີ້ນວ່າ "ກຸ່ມ AI ທໍາມະດາ," ຫຼື H1. ບໍລິສັດເຫຼົ່ານີ້, ທີ່ມີປະສົບການຫນ້ອຍແລະການລົງທຶນ, ໂດຍທົ່ວໄປແລ້ວໃຊ້ວິທີຄລາສສິກເຊັ່ນ naïve Bayes, ເຊິ່ງມີປະມານ 250 ປີ, ຫຼືປ່າໄມ້ແບບສຸ່ມ (ພັດທະນາໂດຍ Tin Kam Ho ໃນປີ 1995) ເພື່ອເພີ່ມຄວາມສະຫລາດທີ່ແຕກແຍກຢູ່ໃນລະບົບທີ່ມີຢູ່. ການໃຊ້ AI ດັ່ງກ່າວເປັນໄປຕາມກົດລະບຽບຢ່າງເຂັ້ມງວດ ແລະຂ້ອນຂ້າງເຂັ້ມງວດ, ຂາດຄວາມສາມາດໃນການທົ່ວໄປຈາກກົດລະບຽບທີ່ພວກເຂົາຄົ້ນພົບ. ຫຼັງຈາກນັ້ນ, ມີ "ກຸ່ມການຮຽນຮູ້ເລິກເຊິ່ງ," ຫຼື H2. ບໍລິສັດເຫຼົ່ານີ້ຍອມຮັບເອົາ AI ທີ່ສັບສົນຫຼາຍ, ລວມທັງການແປພາສາເຄື່ອງຈັກ neural ແລະລະບົບການຖອດຂໍ້ຄວາມ, ເພື່ອຂຸດຄົ້ນຄວາມເຂົ້າໃຈການສົນທະນາ. ລະບົບດັ່ງກ່າວມີພະລັງງານຫຼາຍກວ່າແຕ່ບໍ່ໄດ້ອະທິບາຍໄດ້ງ່າຍວ່າເປັນຫຍັງພວກເຂົາເຮັດສິ່ງທີ່ເຂົາເຈົ້າເຮັດ. ພວກເຂົາຍັງຂາດຄວາມໂປ່ງໃສ. ສໍາລັບສອງກຸ່ມນີ້, AI ທີ່ໃຊ້ມັກຈະບໍ່ຫນ້າເຊື່ອຖືຫຼືເຊື່ອຖືໄດ້ແລະສາມາດຕັດສິນໃຈທີ່ມີຄວາມລໍາອຽງທີ່ນໍາເອົາຄວາມສົນໃຈທາງລົບຢ່າງຫນັກແຫນ້ນຈາກອົງການຈັດຕັ້ງຂອງລັດຖະບານ, ຜູ້ຄວບຄຸມແລະປະຊາຊົນທົ່ວໄປ.

ບໍລິສັດເຫຼົ່ານີ້ຈໍາເປັນຕ້ອງໄດ້ດໍາເນີນການເຄື່ອນໄຫວໃນປັດຈຸບັນເພື່ອປະຕິບັດການປະຕິບັດ AI ຂອງພວກເຂົາຕື່ມອີກ - ໄປຫາ camp ທີສາມ (H3) ບ່ອນທີ່ AI ແມ່ນການຮຽນຮູ້ດ້ວຍຕົນເອງແລະສ້າງ. ໃນຈຸດນີ້, ລະບົບ AI ແມ່ນເຄິ່ງຄວບຄຸມຫຼືແມ້ກະທັ້ງບໍ່ມີການຄວບຄຸມ. ເຂົາເຈົ້າມີຄວາມໂປ່ງໃສ ແລະບັນລຸ “ຄວາມຮູ້ສຶກທົ່ວໄປ” ຜ່ານການຮຽນຮູ້ຫຼາຍໜ້າວຽກ. ລະບົບເຫຼົ່ານີ້ສະໜອງຄວາມສະຫຼາດທີ່ອຸດົມສົມບູນຂຶ້ນ ແລະໃຫ້ຄວາມເຂົ້າໃຈໃນເວລາຈິງ, ສາມາດປະຕິບັດໄດ້. ນີ້ແມ່ນເຮັດໄດ້ໂດຍຜ່ານ AI ທີ່ມີການຄຸ້ມຄອງດີ, ຄວບຄຸມທີ່ສາມາດຕີຄວາມຫມາຍແລະອະທິບາຍໄດ້ໃນທຸກຂັ້ນຕອນ.

ວິທີການເຮັດວຽກໄປສູ່ AI ທີ່ມີຄວາມຮັບຜິດຊອບຫຼາຍຂຶ້ນ, ໂປ່ງໃສ

AI ຖືກ​ນໍາ​ໃຊ້​ເພີ່ມ​ຂຶ້ນ​ໃນ​ການ​ຄຸ້ມ​ຄອງ​ໂຮງ​ຮຽນ​, ບ່ອນ​ເຮັດ​ວຽກ​, ແລະ​ຫນ່ວຍ​ງານ​ສາ​ທາ​ລະ​ນະ​ອື່ນໆ​. ໃນການຕັ້ງຄ່າເຫຼົ່ານີ້, ມັນເປັນສິ່ງສໍາຄັນກວ່າທີ່ເຄີຍເປັນທີ່ AI ແມ່ນຍຸດຕິທໍາແລະໂປ່ງໃສ. ຢ່າງໃດກໍຕາມ, ຍ້ອນວ່າສັງຄົມເຮັດວຽກໂດຍຜ່ານການລະເບີດຂອງການຮັບຮອງເອົາ AI ນີ້, ອົງການຈັດຕັ້ງລະບຽບການແມ່ນໃຫ້ຄໍາແນະນໍາຈໍາກັດກ່ຽວກັບການພັດທະນາທີ່ເຫມາະສົມແລະການນໍາໃຊ້ເຕັກໂນໂລຊີ AI. ດັ່ງນັ້ນ, ຄວາມຮັບຜິດຊອບແມ່ນຢູ່ໃນບໍລິສັດທີ່ຈະນໍາພາ. ອຸດສາຫະກໍາເຕັກໂນໂລຢີທີ່ກວ້າງກວ່າຈະຕ້ອງເຮັດໃຫ້ກ້າມຊີ້ນທາງດ້ານການເງິນແລະທຶນມະນຸດເຮັດວຽກ, ຫັນການປະຕິບັດເບື້ອງຕົ້ນຂອງ AI ຊິ້ນສ່ວນໄປສູ່ລະບົບນິເວດທີ່ມີປະສິດທິພາບ, ສ້າງສັນ, ຄວາມຮັບຜິດຊອບ, ແລະໂປ່ງໃສ. ເພື່ອຍ້າຍເຂົ້າໄປໃນພື້ນທີ່ນີ້, ບໍລິສັດຄວນເຮັດສີ່ຢ່າງຕໍ່ໄປນີ້:

• ຮັກສາມະນຸດຢູ່ໃນວົງ: ແບບຈໍາລອງ AI ມັກຈະຖືກອອກແບບເພື່ອເຮັດວຽກເປັນເອກະລາດຂອງມະນຸດ. ຢ່າງໃດກໍຕາມ, ອົງປະກອບຂອງມະນຸດແມ່ນສໍາຄັນໃນຫຼາຍໆກໍລະນີ. ມະນຸດຕ້ອງທົບທວນຄືນການຕັດສິນໃຈ ແລະຫຼີກລ່ຽງຄວາມລຳອຽງ ແລະຄວາມຜິດພາດທີ່ມັກຈະຕິດຕາມໂຄງການ AI. ກໍລະນີການນໍາໃຊ້ສອງຢ່າງປະກອບມີການກວດພົບການສໍ້ໂກງແລະກໍລະນີທີ່ມີການບັງຄັບໃຊ້ກົດຫມາຍ. ພວກເຮົາແນະນໍາໃຫ້ບໍລິສັດຈ້າງຜູ້ປະຕິບັດ AI ຊ້າໆແຕ່ຢ່າງຕໍ່ເນື່ອງໃນໄລຍະເວລາເພື່ອໃຫ້ໄດ້ຂາຂຶ້ນໃນການເດີນທາງທໍາອິດ AI ຂອງພວກເຂົາ.
• ກໍາຈັດຊຸດຂໍ້ມູນທີ່ມີຄວາມລໍາອຽງ: ຊຸດຂໍ້ມູນທີ່ບໍ່ມີອະຄະຕິເປັນເງື່ອນໄຂເບື້ອງຕົ້ນອັນສໍາຄັນທີ່ຈະເຮັດໃຫ້ຕົວແບບ AI ທີ່ເຊື່ອຖືໄດ້, ຍຸຕິທໍາແລະບໍ່ຈໍາແນກ. ເພື່ອໃຫ້ໄດ້ຮັບຮູ້ເຖິງຄວາມສໍາຄັນຂອງມັນ, AI ກໍາລັງຖືກໃຊ້ສໍາລັບລາຍຊື່ຊີວະປະຫວັດຫຍໍ້ແລະການໃຫ້ຄະແນນສິນເຊື່ອໂດຍທະນາຄານ, ແລະມັນກໍ່ໄດ້ເຂົ້າໄປໃນລະບົບການຕັດສິນບາງຢ່າງ. ໃນພູມສັນຖານນີ້, ຄວາມລໍາອຽງທີ່ບໍ່ມີການກວດສອບໄດ້ມີຜົນກະທົບທີ່ແທ້ຈິງຫຼາຍ.
• ໃຫ້ແນ່ໃຈວ່າການຕັດສິນໃຈແມ່ນສາມາດອະທິບາຍໄດ້: ຄຸນນະສົມບັດນີ້ໄດ້ຖືກກວມເອົາໂດຍຈໍານວນຫຼາຍຂອງຂ່າວໃຫຍ່, ແລະຖືກຕ້ອງ. XAI ຊ່ວຍອະທິບາຍວ່າເປັນຫຍັງລະບົບ AI ຈຶ່ງຕັດສິນໃຈທີ່ແນ່ນອນ. ມັນເປີດເຜີຍວ່າລັກສະນະໃດຂອງຮູບແບບການຮຽນຮູ້ທີ່ເລິກເຊິ່ງໄດ້ຖືກນໍາໃຊ້ຫຼາຍກ່ວາຄົນອື່ນເພື່ອເຮັດໃຫ້ການຄາດຄະເນຫຼືສົມມຸດຕິຖານຂອງມັນ. ຄວາມເຂົ້າໃຈກ່ຽວກັບຄວາມສໍາຄັນຂອງຄຸນນະສົມບັດແລະສາມາດກໍານົດວິທີການຕັດສິນໃຈແມ່ນສໍາຄັນຕໍ່ກັບການນໍາໃຊ້ກໍລະນີເຊັ່ນ: ຍານພາຫະນະອັດຕະໂນມັດແລະການວິໄສທັດຄອມພິວເຕີທີ່ໃຊ້ໃນ biopsies ທາງການແພດ.
• ເຜີຍແຜ່ຜົນການຄົ້ນພົບຢ່າງເຊື່ອຖືໄດ້: ເປັນຄວາມຈໍາເປັນທົ່ວໄປໃນໂຄງການຄົ້ນຄ້ວາ, ຮູບແບບ AI ຄວນສອດຄ່ອງໃນເວລາທີ່ໃຫ້ການຄາດຄະເນໃນໄລຍະເວລາ. ແບບຈໍາລອງດັ່ງກ່າວບໍ່ຄວນຖືກແບ່ງອອກໃນເວລາທີ່ນໍາສະເຫນີຂໍ້ມູນໃຫມ່.

ສີ່ສິ່ງເຫຼົ່ານີ້ຈະສ້າງລະບົບນິເວດທີ່ໂປ່ງໃສ, ມີສະຕິປັນຍາ, ກ້າວໄປສູ່ສິ່ງທີ່ພວກເຮົາເອີ້ນວ່າ "ວິສາຫະກິດທີ່ມີຊີວິດ." ໃນທີ່ນີ້, ການຕັດສິນໃຈທີ່ບໍ່ມີອະຄະຕິ, ອະທິບາຍໄດ້ແມ່ນເຮັດໃນເວລາຕໍ່ໄປ, ໂດຍວິສາຫະກິດທັງຫມົດເຮັດຫນ້າທີ່ເປັນສິ່ງມີຊີວິດທີ່ຖືກຄວບຄຸມໂດຍມະນຸດ. ອ່ານ ເອກະສານສີຂາວຂອງສະຖາບັນຄວາມຮູ້ Infosys ຮຽນຮູ້ເພີ່ມເຕີມ.