隨著數(shù)據(jù)科學變得越來越復雜，消費者漸漸要求更個性化的客戶體驗，人工智能是幫助企業(yè)更好地了解客戶和受眾的工具。但是，即使人工智能擁有世界上所有的潛力，如果我們無法弄清楚如何解決仍然存在的道德挑戰(zhàn)，那么這種全部潛力可能永遠無法實現(xiàn)。隨著這項技術的發(fā)展，所有尋求實施人工智能戰(zhàn)略的領導者都應該牢記一個問題，就是如何在合乎道德和負責任的情況下在企業(yè)內(nèi)最大限度地利用人工智能。為了實施和擴展能夠帶來正投資回報的AI功能，同時最大限度地降低風險、減少偏見并推動AI實現(xiàn)價值，企業(yè)應遵循以下四項原則：
1.了解目標、目的和風險大約七年前，某組織發(fā)布了他們所謂的“新興技術的炒作周期”，預測了將在未來十年改變社會和商業(yè)的技術。人工智能是這些技術中的一項。這份報告的發(fā)布，促使企業(yè)爭相向分析師和投資者證明自己精通人工智能，許多企業(yè)開始將人工智能戰(zhàn)略應用到自己的商業(yè)模式中。然而，有時候這些策略被證明執(zhí)行不力，只能作為現(xiàn)有分析或數(shù)字目標的事后補充。這是因為企業(yè)沒有清楚地了解他們正在尋找AI來解決的業(yè)務問題。企業(yè)開發(fā)的AI和ML模型只有10%被實施。有問題的企業(yè)與可以使用人工智能解決該問題的數(shù)據(jù)科學家之間的歷史性脫節(jié)使人工智能滯后。然而，隨著數(shù)據(jù)成熟度的提高，企業(yè)已經(jīng)開始將數(shù)據(jù)翻譯器集成到不同的價值鏈中，比如以發(fā)現(xiàn)和轉(zhuǎn)換結(jié)果的市場營銷業(yè)務需求。這就是為什么制定道德人工智能戰(zhàn)略的首要原則是了解所有目標、目的和風險，然后在企業(yè)內(nèi)創(chuàng)建一種分散的AI方法。2.解決偏見歧視問題由于從未恰當?shù)亻_發(fā)出人工智能解決方案來解決偏見問題，導致大小企業(yè)的聲譽都受到了損害，客戶也不信任它們。所以創(chuàng)建人工智能模型的企業(yè)必須采取先發(fā)制人的措施，以確保他們的解決方案不會造成傷害。做到這一點的方法是，建立一個框架來防止任何對算法預測的負面影響。例如，如果一家公司希望通過調(diào)查更好地了解客戶的情緒，比如代表性不足的社區(qū)如何看待他們的服務，他們可能會使用數(shù)據(jù)科學來分析這些客戶調(diào)查，并認識到所發(fā)布的調(diào)查中有一定比例的答復是非英語語言，這是人工智能算法可能理解的唯一語言。為了解決這個問題，數(shù)據(jù)科學家們不僅可以修改算法，還可以結(jié)合語言的復雜細微差別。如果能夠理解這些語言上的細微差別，并將人工智能與更流暢的語言相結(jié)合，使這些結(jié)論更可行，企業(yè)將能夠了解代表性不足的社區(qū)需求，以改善他們的客戶體驗。3.開發(fā)全方位的基礎數(shù)據(jù)人工智能算法能夠分析大量數(shù)據(jù)集，企業(yè)應優(yōu)先考慮為其人工智能模型使用和攝取的數(shù)據(jù)標準開發(fā)框架。為了成功實現(xiàn)人工智能，一個整體的、透明的和可追蹤的數(shù)據(jù)集是必不可少的。人工智能必須考慮到人類的干擾。比如俚語、縮寫、代碼詞，以及更多人類在不斷進化的基礎上發(fā)展出來的詞匯，每一種都可能讓高度技術的人工智能算法出錯。無法處理這些人類細微差別的人工智能模型最終會缺乏整體數(shù)據(jù)集。就像試著在沒有后視鏡的情況下駕駛一樣，雖然擁有一些需要的信息，但缺少關鍵盲點。企業(yè)必須找到歷史數(shù)據(jù)和人為干預之間的平衡，以便讓人工智能模型了解這些復雜的區(qū)別。通過將結(jié)構化數(shù)據(jù)與非結(jié)構化數(shù)據(jù)相結(jié)合，并訓練人工智能識別兩者，可以生成更全面的數(shù)據(jù)集，并提高預測的準確性。進一步說，第三方對數(shù)據(jù)集的審計可以是一個額外的好處，沒有偏見和差異。4.避免算法開發(fā)的“黑匣子”方法要讓人工智能合乎道德，就需要完全透明。為了制定同時透明、可解釋和可解釋的人工智能策略，企業(yè)必須打開代碼的“黑匣子”，以了解算法中的每個節(jié)點是如何得出結(jié)論和解釋結(jié)果的。雖然這聽起來很簡單，但要實現(xiàn)這一點需要一個強大的技術框架，該框架可以通過查看底層代碼來解釋模型和算法行為，以顯示正在生成的不同子預測。企業(yè)可以依靠開源框架跨多個維度評估AI和ML模型，包括：● 特征分析：以評估將新特征應用于現(xiàn)有模型的影響● 節(jié)點分析：解釋預測的子集● 局部分析：解釋個體預測和匹配特征，從而提高結(jié)果● 全局分析：提供了一個自上而下的整體模型行為和主要特征的審查人工智能是一項復雜的技術，如果企業(yè)不小心的話，它會有很多潛在的陷阱。一個成功的人工智能模型應該從第一天開始就優(yōu)先考慮道德問題，而不是事后才考慮。在各個行業(yè)和企業(yè)中，人工智能不是一刀切的，但應該取得突破的一個共同點是致力于透明和公正的預測。- 蜜度索驥：以跨模態(tài)檢索技術助力“企宣”向上生長
- 中移互聯(lián)網(wǎng)王海波：緊貼AI發(fā)展前沿，賦予產(chǎn)品AI靈魂
- 中國移動將發(fā)布九天善智多模態(tài)基座大模型暨30款自研行業(yè)大模型
- 中國移動喻偉：以“三新六化”為引領，打造低空數(shù)智新引擎
- Dell'Oro預測：6G RAN收入到2033年將接近300億美元
- Dell'Oro預測：6G RAN收入到2033年將接近300億美元
- Dell'Oro報告：2024年上半年全球電信資本支出下降10%
- Dell'Oro報告：2024年上半年全球電信資本支出下降10%
- 中國移動云化4/5G融合核心網(wǎng)新建設備集采：華為、中興兩家分食，平均折扣約9.3折
- CRU：2025年全球光纖光纜市場迎來復蘇，裸纖價格長期承壓
- 解析Advancing AI 2024：端到端AI，AMD開啟下一個黃金十年
免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。
