เมื่อ ‘ความรู้’ ของ AI มีอายุ 50 ปี: ความเสี่ยงด้านการปฏิบัติตามกฎระเบียบที่คุณไม่สามารถเพิกเฉยได้

ปัญหาเกี่ยวกับข้อมูลที่ไม่ถูกต้องของ AI เป็นเรื่องที่ต้องเผชิญอย่างเร่งด่วน เนื่องจากองค์กรต่างๆ ได้เริ่มใช้เครื่องมือสร้างสรรค์มากขึ้น แม้ว่าจะมีความกระตือรือร้นอย่างกว้างขวางเกี่ยวกับการนำ AI มาใช้ แต่ก็มีกระแสวิพากษ์วิจารณ์ที่รุนแรงเช่นกัน ผู้วิจารณ์ที่สำคัญมักจะชี้ไปที่ความไม่ถูกต้องที่ดูเหมือนจะเกิดขึ้นแบบสุ่มและไม่สามารถคาดเดาได้ในการผลิตของ AI ซึ่งทำให้คุณค่าของมันลดลง และอาจก่อให้เกิดอันตรายต่อมนุษย์ได้ โดยเฉพาะในภาคส่วนที่ต้องการความแม่นยำสูง เช่น สาธารณสุขและการขนส่ง ซึ่งการผลิตที่ไม่ถูกต้องอาจนำไปสู่การให้ยาไม่ถูกต้องหรือการชนรถไฟได้

ความไม่ถูกต้องเหล่านี้มักถูกมองว่าเป็น “การหลอกลวง” ของ AI – ซึ่งเป็นกรณีที่ AI สร้างคำตอบ “ที่ดีที่สุด” โดยไม่ได้บอกผู้ใช้ถึงช่องว่างในความรู้หรือความสามารถของมัน การหลอกลวงอาจเป็นเรื่องที่ยากต่อการตรวจจับในตอนแรก แต่มีปัญหาเงียบๆ ที่รุนแรงและยากต่อการตรวจจับมากกว่านั้น

หนี้คุณภาพข้อมูล: จุดอ่อนของ AI

เมื่อระบบ AI ดึงข้อมูลที่ล้าสมัย ไม่สมบูรณ์ หรือไม่ถูกต้อง การผลิตที่ไม่ถูกต้องจะเกิดขึ้น แต่จะไม่เห็นได้ชัดเจนในทันที ตัวอย่างเช่น คุณอาจถาม AI เพื่อระบุอาการของโรคและได้รับคำตอบที่อ้างอิงจากเอกสารที่มีอายุ 50 ปี ไม่ใช่การวิจัยในปัจจุบัน ผลลัพธ์อาจไม่ดูเหมือนจะไม่ถูกต้องในตอนแรก แต่การหลอกลวงดังกล่าวอาจก่อให้เกิดความเสี่ยงต่อผู้ป่วยและผู้ให้บริการสาธารณสุข

สิ่งเดียวกันนี้เกิดขึ้นทั่วทั้งอุตสาหกรรม – หากข้อมูลที่ให้กับ AI มีข้อมูลที่ล้าสมัย ไม่สมบูรณ์ หรือไม่ถูกต้อง มีความเสี่ยงสูงต่อการผลิตที่ไม่ถูกต้อง และเมื่อบริษัทต่างๆ นำ AI มาใช้ในกระบวนการทางธุรกิจที่สำคัญ ความเสี่ยงของการดึงข้อสรุปที่ไม่ถูกต้องจากข้อมูลที่ไม่ได้รับการจัดการจะเพิ่มขึ้น

ความแม่นยำสำหรับหน่วยงานกำกับดูแล

สิ่งนี้ไม่ใช่ปัญหาเพียงสำหรับการดำเนินงานประจำวัน แต่ยังเป็นความท้าทายด้านการปฏิบัติตามกฎระเบียบด้วย ข้อกำหนดด้านกฎระเบียบกำลังพัฒนาเพื่อจัดการกับความกังวลเกี่ยวกับความไม่ถูกต้องของ AI ตัวอย่างเช่น มีการดำเนินการด้านกฎระเบียบเกี่ยวกับ AI ในระยะแรก เมื่อประเทศอิตาลีห้ามใช้ ChatGPT ชั่วคราวเนื่องจากความกังวลเรื่องความเป็นส่วนตัว และคณะกรรมการคุ้มครองข้อมูลของสหภาพยุโรปได้ก่อตั้งหน่วยงานพิเศษเพื่อประสานการบังคับใช้กฎหมายที่อาจเกิดขึ้นต่อ ChatGPT

การเปลี่ยนแปลงด้านกฎระเบียบที่มีความหมายที่สุดคือการผ่านกฎหมาย AI ของสหภาพยุโรป ซึ่งเป็นกรอบกฎหมายที่ครอบคลุมสำหรับ AI เป็นครั้งแรก กฎหมายนี้กำหนดภาระผูกพันตามระดับความเสี่ยงของระบบ AI ตั้งแต่ระบบที่มีความเสี่ยง “ไม่สามารถยอมรับได้” ซึ่งถูกห้าม ไปจนถึงระบบที่มีความเสี่ยง “สูง” ซึ่งจะต้องมีข้อกำหนดที่เข้มงวดเกี่ยวกับการโปร่งใส คุณภาพข้อมูล การกำกับดูแล และการกำกับดูแลของมนุษย์

ความสำคัญของกฎหมาย AI ของสหภาพยุโรปไม่ได้อยู่ที่ขอบเขตที่ทะเยอทะยาน แต่อยู่ที่หลักการเชิงบรรทัดฐานที่มันกำหนดให้กับหน่วยงานกำกับดูแล หน่วยงานกำกับดูแลกำลังทำให้ชัดเจนว่า AI จะต้องมีกฎหมายที่มีผลผูกพันและบังคับใช้ได้ และองค์กรต่างๆ ต้องปฏิบัติตามข้อกำหนดและความโปร่งใสในการใช้ AI เป็นสิ่งสำคัญในการนำ AI มาใช้ ไม่ใช่เรื่องรองจากการนำ AI มาใช้

กฎหมายมีผลกระทบต่อการพัฒนาด้าน AI ในวงกว้าง และมีศักยภาพที่จะส่งผลกระทบต่อการพัฒนาด้าน AI ในหลายๆ ด้าน โดยมีจุดมุ่งหมายเพื่อให้ AI เป็นมิตรและเคารพสิทธิและค่านิยมพื้นฐาน ในระบบนี้ มีการวินิจฉัยแหล่งที่มาของความไม่ถูกต้องที่อาจเกิดขึ้นของ AI รวมถึงข้อมูลและชุดข้อมูลที่ใช้ในการสร้างแบบจำลอง AI ความโปร่งใสและความสามารถในการเข้าถึงแบบจำลอง และการออกแบบและการใช้งานระบบ AI

ในทางกลับกัน ข้อมูลที่ใช้ในการออกแบบ การพัฒนา การใช้งาน และการดำเนินงานของ AI มีแนวโน้มที่จะประกอบด้วยบันทึกทางธุรกิจซึ่งจะต้องปฏิบัติตามข้อกำหนดด้านการปฏิบัติตามกฎระเบียบต่างๆ ด้วย

โดยสรุป สภาพแวดล้อมด้านกฎระเบียบเกี่ยวกับ AI กำลังเข้มงวดมากขึ้น และสิ่งนี้ใช้ได้กับทั้งข้อมูลที่เข้ามาและข้อมูลที่ออกมา แม้ว่าข้อมูลที่ออกมาจะได้รับความสนใจมากกว่าก็ตาม

5 ขั้นตอนในการให้ข้อมูลที่ถูกต้องและเป็นปัจจุบันแก่ AI

เพื่อแก้ไขความท้าทายทั้งสองนี้ – การรับประกันการปฏิบัติตามกฎระเบียบและการให้ข้อมูลที่มีคุณภาพสูง – องค์กรต่างๆ ต้องมีการควบคุมข้อมูลการฝึกอบรมและการอนุมาน อย่างไรก็ตาม สิ่งนี้เป็นสิ่งที่หลายองค์กรยังไม่มี

อย่างน้อยที่สุด องค์กรควรใช้โปรแกรมการปฏิบัติตามกฎระเบียบและธรรมาภิบาลที่กว้างขึ้นสำหรับโครงการ AI พวกเขาต้องเริ่มบันทึกและรักษาบันทึกที่เหมาะสมเกี่ยวกับข้อมูลที่ให้กับแบบจำลอง AI วิธีการออกแบบและการพัฒนาแบบจำลอง และการตัดสินใจและเนื้อหาที่สร้างขึ้นโดย AI

อย่างไรก็ตาม องค์กรต่างๆ กำลังต้องไปไกลกว่านั้นและรับประกันว่าพวกเขามีการควบคุมข้อมูลทั้งหมดที่อาจใช้ในการใช้งาน AI ได้ ไม่ว่าจะเป็นการฝึกอบรมหรือ “การทำงาน” สิ่งนี้ต้องใช้กลยุทธ์การจัดการและจัดเก็บข้อมูลที่มีคุณภาพสูง เพื่อให้แน่ใจว่าข้อมูลที่เกี่ยวข้องทั้งหมดถูกเก็บเกี่ยวอย่างชาญฉลาด ทำความสะอาด จัดเก็บ จัดประเภท และมอบสิทธิ์ให้เหมาะสม

1. ประวัติข้อมูลและความถูกต้อง

สิ่งนี้รวมถึงการรักษาบันทึกแหล่งที่มาของข้อมูล ต้นกำเนิด การเป็นเจ้าของ และการเปลี่ยนแปลงใดๆ ในข้อมูลที่เกิดขึ้นระหว่างวงจรชีวิตของข้อมูล นอกจากนี้ยังหมายถึงการรักษาเมตาดาต้าที่มีคุณภาพสูงและเอกสารหรือสิ่งพิมพ์ที่เกี่ยวข้องทั้งหมดที่ข้อมูลดังกล่าวมาจาก

2. ความถูกต้องของข้อมูล

สิ่งนี้ต้องมีการรักษาโซ่การรักษาความปลอดภัยที่ชัดเจนสำหรับข้อมูลทั้งหมด การจัดเก็บวัตถุในรูปแบบดั้งเดิม และการสร้างแฮชวัตถุที่ได้รับเพื่อแสดงว่าข้อมูลไม่เปลี่ยนแปลง นอกจากนี้ องค์กรต้องรักษาบันทึกการตรวจสอบที่สมบูรณ์สำหรับวัตถุแต่ละรายการ และสำหรับการกระทำและเหตุการณ์ทั้งหมดที่เกี่ยวข้องกับการเปลี่ยนแปลงใดๆ

3. การจัดประเภทข้อมูล

การกำหนดลักษณะของชุดข้อมูลหรือประเภทข้อมูลมีความสำคัญ องค์กรต้องสามารถกำกับดูแลข้อมูลที่มีโครงสร้าง ข้อมูลที่มีโครงสร้างบางส่วน และชุดข้อมูลที่มีโครงสร้างได้ การให้โครงสร้างที่ไม่ซ้ำกันแก่ชุดข้อมูลแต่ละชุดช่วยให้สามารถจัดการชุดข้อมูลที่หลากหลายได้โดยไม่ต้องมีโครงสร้างข้อมูลที่ยืดหยุ่น – ทำให้สามารถหลีกเลี่ยงการดัดแปลงข้อมูลที่ไม่จำเป็นเพื่อทำให้เข้ากันได้กับโครงสร้างข้อมูลที่ไม่ยืดหยุ่น

4. การทำให้ข้อมูลเป็นมาตรฐาน

การกำหนดคำจำกัดความและรูปแบบที่ใช้ร่วมกันของเมตาดาต้าเป็นสิ่งสำคัญสำหรับการใช้งานในด้านการวิเคราะห์และ AI โครงสร้างที่กำหนดไว้อย่างชัดเจนเป็นองค์ประกอบสำคัญ รวมถึงเครื่องมือที่สามารถเปลี่ยนหรือแมปกับข้อมูลเพื่อรักษาความคงเส้นและเป็นมาตรฐานของข้อมูลที่เกี่ยวข้อง

5. สิทธิ์ในการเข้าถึงข้อมูล

องค์กรต่างๆ ต้องการการควบคุมสิทธิ์การเข้าถึงที่ละเอียดถี่ถ้วน รวมถึงการควบคุมที่ระดับวัตถุหรือฟิลด์ตามโปรไฟล์ของผู้ใช้หรือระบบ สิ่งนี้หมายความว่าข้อมูลที่ถูกต้องจะพร้อมใช้งานสำหรับผู้ใช้และระบบที่ได้รับอนุญาตให้เข้าถึง ขณะเดียวกันก็จำกัดการเข้าถึงสำหรับผู้ที่ไม่ได้รับอนุญาต

ด้วยองค์ประกอบสำคัญเหล่านี้ที่มีอยู่ องค์กรจะสามารถรับประกันได้ว่าข้อมูลที่ให้กับแบบจำลอง AI มีคุณภาพสูงและเป็นไปตามข้อกำหนด AI จะขับเคลื่อนการปรับปรุงและประสิทธิภาพในหลายอุตสาหกรรม แต่สิ่งนี้จะเกิดขึ้นได้ก็ต่อเมื่อมีพื้นฐานข้อมูลที่มั่นคงเท่านั้น