+8618675556018

Quins principis ètics ha de seguir la intel·ligència artificial?

Jul 27, 2022

A mesura que la ciència de dades es torna més sofisticada i els consumidors cada cop demanen una experiència de client més personalitzada, la IA és una eina per ajudar les empreses a entendre millor els seus clients i públics. Però fins i tot si la intel·ligència artificial té tot el potencial del món, aquest potencial no s'aconseguirà mai si no podem esbrinar com afrontar els reptes ètics que queden. A mesura que aquesta tecnologia evoluciona, una pregunta que haurien de tenir en compte tots els líders que busquen implementar una estratègia d'IA és com maximitzar l'ús de la IA a l'empresa d'una manera ètica i responsable. Per implementar i escalar les capacitats d'IA que ofereixen un retorn positiu de la inversió, alhora que minimitzen els riscos, redueixen els biaixos i fan que la IA tingui valor, les organitzacions haurien de seguir quatre principis:

 

1. Comprendre metes, objectius i riscos

 

Fa uns set anys, una organització va llançar el que van anomenar el "cicle de l'exageració de les tecnologies emergents", predicant les tecnologies que transformarien la societat i els negocis durant la propera dècada. La intel·ligència artificial és una d'aquestes tecnologies. El llançament de l'informe ha impulsat les empreses a lluitar per demostrar als analistes i inversors que són coneixedors de la IA i moltes estan començant a aplicar estratègies d'IA als seus models de negoci. No obstant això, de vegades aquestes estratègies demostren estar mal executades i només es poden utilitzar com a reflexió posterior als objectius analítics o numèrics existents. Això es deu al fet que les empreses no tenen una comprensió clara del problema empresarial que busquen que solucioni la IA. Només el 10% dels models d'IA i ML desenvolupats per les empreses estan implementats. La IA està endarrerida amb la desconnexió històrica entre l'empresa en qüestió i els científics de dades que poden utilitzar la IA per resoldre el problema. No obstant això, a mesura que la maduresa de les dades ha augmentat, les empreses han començat a integrar traductors de dades en diferents cadenes de valor, com ara les necessitats del negoci de màrqueting per descobrir i transformar els resultats. És per això que el principi general del desenvolupament d'una estratègia d'IA ètica és entendre tots els objectius, objectius i riscos, i després crear un enfocament descentralitzat de la IA a l'empresa.

 

2. Abordar els prejudicis i la discriminació

 

Les empreses grans i petites han patit danys a la reputació i els clients no hi confien perquè les solucions d'IA mai s'han desenvolupat adequadament per abordar els biaixos. Per tant, les empreses que creen models d'IA han de prendre mesures preventives per garantir que les seves solucions no causin danys. La manera de fer-ho és crear un marc per evitar qualsevol impacte negatiu en les prediccions de l'algorisme. Per exemple, si una empresa vol entendre millor el sentiment dels clients a través d'enquestes, com ara com una comunitat subrepresentada percep els seus serveis, podria utilitzar la ciència de dades per analitzar aquestes enquestes de clients i reconèixer que un percentatge de respostes eren en idiomes diferents de l'anglès. l'únic llenguatge que l'algoritme d'IA podria entendre. Per resoldre aquest problema, els científics de dades no només poden modificar l'algoritme, sinó que també poden incorporar els complexos matisos del llenguatge. Si poden entendre aquests matisos lingüístics i combinar IA amb un llenguatge més fluid per fer que aquestes conclusions siguin més accionables, les empreses podran entendre les necessitats de les comunitats poc representades per millorar la seva experiència de client.

 

3. Desenvolupar un ventall complet de dades bàsiques

 

Els algorismes d'IA són capaços d'analitzar grans conjunts de dades, i les empreses haurien de prioritzar el desenvolupament de marcs per als estàndards de dades utilitzats i ingerits pels seus models d'IA. Per implementar amb èxit la IA, és essencial un conjunt de dades holístic, transparent i traçable. La IA ha de tenir en compte la interferència humana. Com ara argot, abreviatures, paraules en codi i moltes més paraules que els humans han desenvolupat sobre la base de l'evolució contínua, cadascuna de les quals pot fer que algorismes d'intel·ligència artificial altament tècnics funcionin malament. Els models d'IA que no són capaços de gestionar aquests matisos humans acaben mancant del conjunt de dades general. És com intentar conduir sense mirall retrovisor, amb una mica d'informació necessària, però sense punts cecs clau. Les empreses han de trobar un equilibri entre les dades històriques i la intervenció humana per tal que els models d'IA entenguin aquestes distincions complexes. Combinant dades estructurades i no estructurades i entrenant la IA per reconèixer ambdues, es pot generar un conjunt de dades més complet i millorar la precisió de les prediccions. A més, l'auditoria de conjunts de dades per part de tercers pot ser un avantatge addicional, lliure de biaix i discrepàncies.

 

4. Eviteu la "caixa negra" del desenvolupament d'algorismes

 

Enfocaments Perquè la IA sigui ètica, ha de ser completament transparent. Per desenvolupar estratègies d'IA que siguin simultàniament transparents, explicables i explicables, les empreses han d'obrir la "caixa negra" del codi per entendre com cada node de l'algorisme treu conclusions i interpreta els resultats. Tot i que sembla senzill, aconseguir-ho requereix un marc tècnic sòlid que pugui interpretar el comportament del model i l'algorisme mirant el codi subjacent per mostrar les diferents subprediccions que s'estan generant. Les empreses poden confiar en marcs de codi obert per avaluar models d'IA i ML en múltiples dimensions, com ara:

 

Anàlisi de característiques: per avaluar l'impacte de l'aplicació de noves característiques als models existents

 

Anàlisi de nodes: expliqueu un subconjunt de prediccions

 

Anàlisi local: interpreteu prediccions individuals i característiques de concordança per millorar els resultats

 

●Anàlisi global: ofereix una revisió de dalt a baix del comportament global del model i de les característiques clau. La intel·ligència artificial és una tecnologia complexa amb molts inconvenients potencials si les empreses no tenen cura.

 

Un model d'IA reeixit hauria de prioritzar l'ètica des del primer dia, no una idea posterior. A les indústries i empreses, la IA no és una mida única, sinó que un denominador comú que hauria de fer avenços és el compromís amb una previsió transparent i imparcial.


Enviar la consulta