隨著人工智能和機(jī)器語(yǔ)言使用的增加，技術(shù)變得越來(lái)越普及。人工智能（AI）和機(jī)器學(xué)習(xí)（ML）正在改變行業(yè)，并在一定程度上解決重要和現(xiàn)實(shí)世界的挑戰(zhàn)。這項(xiàng)技術(shù)正在迅速成熟，應(yīng)用范圍似乎無(wú)限。這些巨大的開放性帶來(lái)了構(gòu)建對(duì)每個(gè)人都有效的人工智能的重大責(zé)任。

人工智能應(yīng)用程序已經(jīng)證明了它能夠自動(dòng)化日常工作，同時(shí)也可以通過(guò)新的洞察力來(lái)增強(qiáng)人的能力。然而，權(quán)力越大，責(zé)任就越大。對(duì)勞動(dòng)力轉(zhuǎn)移的恐懼，隱私的喪失，決策中潛在的偏見，以及對(duì)自動(dòng)化系統(tǒng)和機(jī)器人缺乏控制，這些都是威脅的可能性。商業(yè)和公共領(lǐng)域的人工智能技術(shù)，如自動(dòng)汽車、聊天機(jī)器人通過(guò)打包和無(wú)休止地回答人類的問(wèn)題，接管了艱苦的人力勞動(dòng)過(guò)程。然而，缺點(diǎn)是自動(dòng)駕駛汽車可能會(huì)導(dǎo)致事故，聊天機(jī)器人可能會(huì)學(xué)會(huì)使用攻擊性語(yǔ)言。這些可能發(fā)生的事件引發(fā)了人們對(duì)“工作末日”的擔(dān)憂，這種擔(dān)憂涉及包容性、多樣性、隱私和安全。

隨著人工智能和機(jī)器語(yǔ)言使用的增加，技術(shù)變得越來(lái)越普及?？萍颊趨⑴c越來(lái)越多的決策，如福利支付、抵押貸款審批和醫(yī)療診斷。當(dāng)人工智能成為每個(gè)工作系統(tǒng)的一部分時(shí)，透明度和可見性就會(huì)消失。人工智能可能暗示的一個(gè)主要威脅是強(qiáng)化現(xiàn)有的人類偏見。這些偏差是無(wú)法確定的，是由于在開發(fā)和培訓(xùn)系統(tǒng)時(shí)缺乏不同的視角而產(chǎn)生的。

在解決所有這些問(wèn)題的過(guò)程中，負(fù)責(zé)任的人工智能/人工智能為每個(gè)人提供了一種方法，讓每個(gè)人都能采取公平、負(fù)責(zé)、誠(chéng)實(shí)、透明和以人為本的“以人為本”方法。

什么是負(fù)責(zé)任的AI/ML？

負(fù)責(zé)任的AI/ML是將許多關(guān)鍵關(guān)注點(diǎn)和實(shí)踐結(jié)合在一起的追求。負(fù)責(zé)任人工智能的主要重點(diǎn)是確保以符合用戶期望、組織價(jià)值觀和社會(huì)法律和規(guī)范的方式使用符合道德、透明和負(fù)責(zé)任的人工智能技術(shù)。

負(fù)責(zé)任的AI/ML防止使用有偏見的數(shù)據(jù)或算法，確保自動(dòng)化決策是合理的和可解釋的。它有助于維護(hù)用戶信任和個(gè)人隱私。通過(guò)提供明確的參與規(guī)則，負(fù)責(zé)任的人工智能/人工智能允許處于公眾和國(guó)會(huì)審查之下的組織進(jìn)行創(chuàng)新，并實(shí)現(xiàn)人工智能的變革潛力，這一潛力既有說(shuō)服力又有責(zé)任感。

盡管當(dāng)可解釋人工智能（XAI）被用作解釋機(jī)器學(xué)習(xí)模型的統(tǒng)計(jì)方法時(shí)，核心問(wèn)題不僅僅是統(tǒng)計(jì)問(wèn)題。人工智能和人工智能應(yīng)該回答人們的問(wèn)題，通過(guò)這些問(wèn)題形成負(fù)責(zé)任的人工智能/人工智能。負(fù)責(zé)任的人工智能/人工智能試圖實(shí)現(xiàn)最大的透明度和對(duì)人工智能的理解，全面了解模型及其影響。負(fù)責(zé)任的AI/ML包括六個(gè)關(guān)鍵主題。它們是可解釋人工智能、可解釋機(jī)器學(xué)習(xí)技術(shù)、倫理人工智能、安全人工智能、以人為中心的人工智能和合規(guī)性。

通過(guò)負(fù)責(zé)任的ML降低風(fēng)險(xiǎn)的方法

作者帕特里克·霍爾、納夫迪普·吉爾和本·考克斯發(fā)表的一份報(bào)告集中討論了ML的技術(shù)問(wèn)題以及以人為中心的安全、公平和隱私等問(wèn)題。促進(jìn)這些方面的目標(biāo)是消除技術(shù)和負(fù)責(zé)任人工智能之間的細(xì)線。報(bào)告中的一些關(guān)鍵內(nèi)容是，

?人：人在循環(huán)中——為什么組織的機(jī)器學(xué)習(xí)文化是負(fù)責(zé)任的ML實(shí)踐的一個(gè)重要方面。

?流程：馴服機(jī)器學(xué)習(xí)工作流的狂野西部-關(guān)于更改或更新流程以管理ML資產(chǎn)的建議。

?技術(shù)：為人的信任和理解而設(shè)計(jì)的ML——可以幫助組織在其ML系統(tǒng)中建立人的信任和理解的工具。
責(zé)任編輯:tzh