วิธีการที่บริษัทต่างๆ สามารถสร้าง AI ที่มีความรับผิดชอบและโปร่งใส – Thought Leaders

โดย Eric Paternoster, CEO ของ Infosys Public Services

Sundar Pichai, CEO ของ Google parent company Alphabet, ได้อธิบายถึงการพัฒนาของ AI ว่าเป็น “สิ่งที่ลึกซึ้งยิ่งกว่าไฟหรือไฟฟ้า” และ COVID-19 ได้นำความเร่งด่วนใหม่ในการปลดปล่อยเทคโนโลยีนี้ Applications ของ AI ได้เข้ามาอยู่ในจุดสนใจแล้ว โดยการปรับปรุงการรักษา COVID, การติดตามผู้ที่อาจเป็นพาหะของ COVID และการนำ chatbot ที่ทำงานในเวลาจริงมาใช้สำหรับผู้ใช้ที่มีปัญหาในการจัดหาสินค้าบนเว็บไซต์ขายปลีกเหล่านี้ได้แสดงให้เห็นว่า AI ช่วยเพิ่มความสามารถในการฟื้นตัวของธุรกิจและเป็นประโยชน์ต่อสังคมในวงกว้าง

ดังนั้น ร่วมกับ “cloud-native” คำที่เป็นกระแสในไตรมาสที่แล้วอาจจะเป็น “AI-first transformation” ซึ่งเป็นคำที่ผู้ปฏิบัติงานในอุตสาหกรรมเชื่อว่าจะยังคงเป็นจริงแม้หลังจาก COVID จะหายไป สำหรับหลายๆ บริษัท ความหวังของต้นทุนที่ลดลง (เช่น อัลกอริทึมในการจัดการห่วงโซ่อุปทานที่ตรงกับความต้องการ) และการเพิ่มประสิทธิภาพที่น่าชื่นชม (เช่น เมื่อธนาคารใช้การตรวจสอบเอกสารและการยืนยันตัวตนในเวลาจริง) เป็นสิ่งที่ดีเกินกว่าจะละเลย

ทำไม AI-First Transformation?

ใน AI-first transformation, องค์กรใช้ AI เป็นดาวนำทาง โดยทำงานเพื่อใช้ AI ไม่เพียงแต่ด้วยความฉลาด แต่ยังด้วยวิธีที่มีอิทธิพลต่อการตัดสินใจที่ทำโดยคน, กระบวนการ และระบบในระดับใหญ่ นอกจากนี้ยังช่วยให้องค์กรสามารถปรับตัวให้เข้ากับการเปลี่ยนแปลงได้อย่างรวดเร็ว และสามารถตอบสนองความต้องการที่เปลี่ยนแปลงได้ โดยสร้างความได้เปรียบทางการแข่งขันในระยะยาว

แต่ไม่ใช่ทุกบริษัทที่มีความเข้าใจ AI ในระดับเดียวกัน มีบางบริษัทที่สามารถเรียกได้ว่าเป็น “กลุ่ม AI ทั่วไป” หรือ H1 ซึ่งมีประสบการณ์และการลงทุนน้อยกว่า โดยทั่วไปจะใช้อัลกอริทึมแบบคลาสสิก เช่น Naive Bayes ซึ่งมีอายุ 250 ปี หรือ Random Forest (พัฒนาโดย Tin Kam Ho ในปี 1995) เพื่อเพิ่มความฉลาดที่กระจายอยู่ภายในระบบที่มีอยู่ การใช้ AI เหล่านี้เป็นไปตามกฎและยืดหยุ่นน้อย การใช้ AI เหล่านี้ไม่สามารถอธิบายได้ว่าทำไมจึงตัดสินใจเช่นนั้น และไม่มีการอธิบายที่ชัดเจน

บริษัทเหล่านี้จำเป็นต้องดำเนินการเพื่อเพิ่มการนำ AI ไปใช้ให้ลึกซึ้งยิ่งขึ้น — ไปสู่กลุ่มที่สาม (H3) ซึ่ง AI มีการเรียนรู้และสร้างสรรค์เอง โดยที่ระบบ AI เหล่านี้มีการเรียนรู้แบบกึ่งอิสระหรือไม่มีการควบคุมเลย มันโปร่งใสและบรรลุถึง “ความเข้าใจทั่วไป” ผ่านการเรียนรู้หลายอย่าง ระบบเหล่านี้ให้ข้อมูลเชิงลึกที่มีคุณค่าและให้ข้อมูลเชิงลึกที่สามารถดำเนินการได้ในเวลาจริง โดยการบริหารจัดการ AI ที่ดีและมีการกำกับดูแลที่ดี และสามารถอธิบายได้ทุกขั้นตอน

วิธีการทำงานเพื่อ AI ที่มีความรับผิดชอบและโปร่งใสมากขึ้น

AI กำลังถูกนำมาใช้ในการจัดการโรงเรียน, ที่ทำงาน และองค์กรสาธารณะอื่นๆ ในบริบทเหล่านี้ AI ต้องเป็นไปอย่างยุติธรรมและโปร่งใส อย่างไรก็ตาม ในขณะที่สังคมกำลังเผชิญกับการใช้ AI ที่เพิ่มขึ้น องค์กรกำกับดูแลยังไม่ได้ให้คำแนะนำที่ชัดเจนเกี่ยวกับการพัฒนาและการใช้เทคโนโลยี AI ดังนั้น บริษัทต่างๆ จึงต้องรับผิดชอบในการนำหน้า ในอุตสาหกรรมเทคโนโลยีโดยรวมจะต้องใช้เงินทุนและทุนมนุษย์เพื่อเปลี่ยนการนำ AI ไปใช้จากที่กระจายและไม่มีประสิทธิภาพไปสู่ระบบนิเวศที่มีประสิทธิภาพและสร้างสรรค์มากขึ้น เพื่อเข้าสู่พื้นที่นี้ บริษัทควรทำสิ่งต่อไปนี้สี่อย่าง:

• ให้มนุษย์เข้ามาเกี่ยวข้อง: โมเดล AI มักถูกออกแบบมาให้ทำงานโดยไม่มีมนุษย์ แต่ในหลายกรณี ส่วนประกอบของมนุษย์เป็นสิ่งสำคัญ มนุษย์ต้องตรวจสอบการตัดสินใจและหลีกเลี่ยงอคติและข้อผิดพลาดที่บ่อยครั้งทำให้โครงการ AI ล้มเหลว สองกรณีการใช้งานที่แนะนำคือการตรวจจับการฉ้อโกงและการที่มีการบังคับใช้กฎหมาย เราแนะนำให้บริษัทจ้างผู้ปฏิบัติงาน AI อย่างต่อเนื่องและสม่ำเสมอเพื่อให้ได้เปรียบในการเดินทางสู่ AI
• กำจัดข้อมูลที่มีอคติ: ชุดข้อมูลที่ไม่มีอคติเป็นสิ่งจำเป็นในการสร้างโมเดล AI ที่เชื่อถือได้, ยุติธรรม และไม่แบ่งแยก เพื่อให้เห็นถึงความสำคัญ AI ถูกนำมาใช้ในการจัดลำดับใบสมัครงานและการให้คะแนนเครดิตโดยธนาคาร และแม้กระทั่งเข้ามาอยู่ในบางระบบยุติธรรม ในภูมิทัศน์นี้ อคติที่ไม่ได้รับการตรวจสอบมีผลกระทบจริง
• รับประกันว่าการตัดสินใจสามารถอธิบายได้: คุณลักษณะนี้ได้รับการรายงานจากหลายสำนักข่าวใหญ่ๆ และสมควรที่จะทำเช่นนั้น XAI ช่วยอธิบายว่าทำไมระบบ AI จึงตัดสินใจเช่นนั้น มันแสดงให้เห็นว่าคุณลักษณะใดของโมเดลการเรียนรู้ลึกถูกใช้มากกว่าคุณลักษณะอื่นๆ ในการทำนายหรือสมมติฐานของมัน ความเข้าใจถึงความสำคัญของคุณลักษณะและความสามารถในการให้เหตุผลในการตัดสินใจเป็นสิ่งสำคัญสำหรับการใช้งาน เช่น รถยนต์ไร้คนขับและระบบการมองเห็นที่ใช้ในชีวภาพทางการแพทย์
• การค้นพบสามารถทำซ้ำได้อย่างน่าเชื่อถือ: สิ่งจำเป็นทั่วไปในโครงการวิจัย โมเดล AI ควรให้ผลลัพธ์ที่สอดคล้องกันเมื่อทำนายผลลัพธ์เมื่อเวลาผ่านไป โมเดลเหล่านี้ไม่ควรเปลี่ยนแปลงเมื่อมีข้อมูลใหม่

สิ่งเหล่านี้จะช่วยสร้างระบบนิเวศที่มีประสิทธิภาพและโปร่งใส, ก้าวไปสู่สิ่งที่เรียกว่า “องค์กรที่มีชีวิต” ที่นี่ การตัดสินใจที่ไม่มีอคติและสามารถอธิบายได้จะเกิดขึ้นในเวลาจริง โดยที่องค์กรทั้งหมดทำงานเหมือนสิ่งมีชีวิตที่มีจิตสำนึกและมีการควบคุมดูแลโดยมนุษย์ อ่านเอกสารวิชาการของ Infosys Knowledge Institute เพื่อทราบข้อมูลเพิ่มเติม ที่นี่