最好的人工智能意图是撞上企业墙

近年来，人工智能和机器学习取得了长足的进步，坚实的商业案例、强大的算法、庞大的计算资源和丰富的数据集现在已成为许多企业的准则。然而，人工智能的管理者和专家们仍在努力解决那些似乎无法克服的组织和道德问题，甚至发送到错误的路径。

这是最近一次深入研究的结论https://t.co/5nQYRKt28p？amp=1“target=”nu blank“rel=”noopener noreferrer nofollow“data component=”externalLink“>分析，着眼于当今人工智能团队面临的压力和妥协。研究人员Bogdana Rakova（埃森哲和人工智能方面的合作）、杨晶莹（人工智能方面的合作伙伴关系）、Henriette Cramer（Spotify）和Rumman Chowdhury（埃森哲）发现，最常见的情况是，“从业者必须奋力拼搏由于缺乏责任感、缺乏信息的绩效权衡以及决策结构内激励机制的错位，这些都只是对外部压力的反应。

在大多数人工智能计划中，实现问责制仍然需要更多地使用组织级框架和指标、结构支持，主动评估和缓解问题。

人工智能团队不仅需要具备构建、测试和完善人工智能模型和应用程序的技能，而且还需要作为变革型领导者挺身而出，拉科娃和她的合著者主张。”越来越多的行业专业人士肩负着开发负责任和负责任的人工智能流程的任务，他们需要解决他们作为变革推动者的角色中固有的双重性，同时也需要解决那些在一个组织中工作的员工的双重性，这些激励措施可能不利于或不利于变革。”这是大多数as的新领域好吧：“从业者必须在相对较少的指导下把握组织结构和算法责任之间的相互作用。”研究人员将这种平衡组织需求与负责任和负责任人工智能的能力称为“公平-最大似然”。

研究人员发现阻碍的四个主要问题负责任和负责任的人工智能采用包括以下内容：

我们如何以及何时采取行动？“反应性。组织只有在外部力量（如媒体、监管压力）的推动下才会采取行动。“我们如何衡量成功？“绩效权衡：关于公平营销的组织层面对话，由缺乏信息的绩效权衡主导。”
我们所依赖的内部结构是什么？“缺乏责任感：公平的ML工作由于角色的不确定性而失败。”
我们如何解决紧张关系？“支离破碎：个人、团队之间的不一致，Rakova和她的团队提出了以下建议，以更好地平衡人工智能技术进步和组织采用之间的平衡：
教育高管和董事会：商业领袖需要“理解，支持并深入参与公平的ML关注点，这些关注点在组织环境中是有背景的。公平管理将作为高级别组织使命的一部分优先考虑，然后通过既定流程转化为个人层面的可操作目标。“
教育各级员工：组织中的每一个人都需要“了解风险，团队会有集体的理解风险，虽然组织领导层会公开谈论风险，但在失败发生时也要承认。”
开放的沟通渠道：关于人工智能目标和倡议的信息传播应该“通过成熟的渠道，以便人们知道在哪里寻找和如何分享信息。有了这些流程，在一个团队或部门中找到解决方案或最佳实践，将通过现有的组织协议和内部通信、培训基础设施实现快速扩展，研究人员说：“考虑一个新的宣传角色：在发布新功能之前，需要公平的ML审查和报告。”新的ML操作角色将被创建为公平的ML审计团队的一部分。目前，这项工作属于ML工程，但受访者认为需要新的组织结构，以确保公平的ML问题得到解决，同时允许ML工程师具有创造性和实验性。”
维护否决权。研究参与者提到，“询问是否ML系统首先是合适的。它可能不是由于危险造成的，或者问题可能不需要ML解决方案。最重要的是，如果答案是否定的，那么工作就必须停止。”研究人员总结说，最好的办法是“设计一个否决权，让各个不同级别的人和委员会都能使用，从个人雇员到举报人保护，内部多学科监督委员会，外部投资者和董事会成员。”
企业架构才刚刚开始利用数字平台的力量，麻省理工学院思想领袖说：
人工智能技能的短缺再次出现在间歇期
当“代码腐烂”成为生死攸关的问题时，尤其是在物联网
通过注册，您同意
2023-03-22 10:04:22

新人小程序+APP定制199元起

发放福利，助力中小企业发展，真正在互联网中受益

 点击询问定制

广告服务展示