+8618675556018

Pa egwyddorion moesegol y dylai deallusrwydd artiffisial eu dilyn?

Jul 27, 2022

Wrth i wyddor data ddod yn fwy soffistigedig ac wrth i ddefnyddwyr fynnu profiad cwsmer mwy personol yn gynyddol, mae AI yn offeryn i helpu busnesau i ddeall eu cwsmeriaid a'u cynulleidfaoedd yn well. Ond hyd yn oed os oes gan AI yr holl botensial yn y byd, efallai na fydd y potensial llawn hwnnw byth yn cael ei wireddu os na allwn ddarganfod sut i fynd i'r afael â'r heriau moesegol sy'n parhau. Wrth i'r dechnoleg hon esblygu, un cwestiwn y dylid ei gadw mewn cof gan bob arweinydd sy'n ceisio gweithredu strategaeth AI yw sut i wneud y defnydd mwyaf posibl o AI o fewn y fenter mewn modd moesegol a chyfrifol. Er mwyn gweithredu a graddio galluoedd AI sy'n sicrhau elw cadarnhaol ar fuddsoddiad, tra'n lleihau risg, lleihau tuedd, a gyrru AI i werth, dylai sefydliadau ddilyn pedair egwyddor:

 

1. Deall nodau, amcanion a risgiau

 

Tua saith mlynedd yn ôl, rhyddhaodd sefydliad yr hyn a elwir yn "gylch hype ar gyfer technolegau sy'n dod i'r amlwg," gan ragweld y technolegau a fyddai'n trawsnewid cymdeithas a busnes dros y degawd nesaf. Mae deallusrwydd artiffisial yn un o'r technolegau hyn. Mae rhyddhau'r adroddiad wedi ysgogi cwmnïau i sgramblo i brofi i ddadansoddwyr a buddsoddwyr eu bod yn deall AI, ac mae llawer yn dechrau cymhwyso strategaethau AI i'w modelau busnes. Fodd bynnag, weithiau mae'r strategaethau hyn yn profi i gael eu gweithredu'n wael a dim ond fel ôl-ystyriaeth i nodau dadansoddol neu rifiadol sy'n bodoli y gellir eu defnyddio. Mae hyn oherwydd nad oes gan fusnesau ddealltwriaeth glir o'r broblem fusnes y maent yn chwilio am AI i'w datrys. Dim ond 10 y cant o fodelau AI ac ML a ddatblygwyd gan gwmnïau sy'n cael eu gweithredu. Mae AI ar ei hôl hi o’r datgysylltiad hanesyddol rhwng y busnes dan sylw a’r gwyddonwyr data sy’n gallu defnyddio AI i ddatrys y broblem. Fodd bynnag, wrth i aeddfedrwydd data gynyddu, mae cwmnïau wedi dechrau integreiddio cyfieithwyr data i wahanol gadwyni gwerth, megis anghenion busnes marchnata i ddarganfod a thrawsnewid canlyniadau. Dyna pam mai egwyddor gyffredinol datblygu strategaeth AI foesegol yw deall yr holl nodau, amcanion a risgiau, ac yna creu ymagwedd ddatganoledig at AI o fewn y fenter.

 

2. Mynd i'r afael â rhagfarn a gwahaniaethu

 

Mae busnesau mawr a bach wedi dioddef niwed i enw da ac nid yw cwsmeriaid yn ymddiried ynddynt oherwydd nid yw datrysiadau AI erioed wedi'u datblygu'n iawn i fynd i'r afael â thuedd. Felly mae'n rhaid i fusnesau sy'n creu modelau AI gymryd mesurau rhagataliol i sicrhau nad yw eu hatebion yn achosi niwed. Y ffordd o wneud hyn yw creu fframwaith i atal unrhyw effaith negyddol ar ragfynegiadau'r algorithm. Er enghraifft, pe bai cwmni am ddeall teimladau cwsmeriaid yn well trwy arolygon, megis sut mae cymuned heb gynrychiolaeth ddigonol yn canfod eu gwasanaethau, efallai y byddent yn defnyddio gwyddor data i ddadansoddi’r arolygon cwsmeriaid hyn a chydnabod bod rhai canran o’r ymatebion mewn ieithoedd heblaw Saesneg, yr unig iaith y gallai'r algorithm AI ei deall o bosibl. I ddatrys y broblem hon, gall gwyddonwyr data nid yn unig addasu'r algorithm, ond hefyd ymgorffori naws cymhleth yr iaith. Os gallant ddeall y naws ieithyddol hyn a chyfuno AI ag iaith fwy rhugl i wneud y casgliadau hyn yn fwy ymarferol, bydd busnesau'n gallu deall anghenion cymunedau heb gynrychiolaeth ddigonol i wella eu profiad cwsmeriaid.

 

3. Datblygu ystod lawn o ddata sylfaenol

 

Mae algorithmau AI yn gallu dadansoddi setiau data mawr, a dylai busnesau roi blaenoriaeth i ddatblygu fframweithiau ar gyfer safonau data a ddefnyddir ac a amlyncwyd gan eu modelau AI. Er mwyn gweithredu AI yn llwyddiannus, mae set ddata gyfannol, dryloyw ac olrheiniadwy yn hanfodol. Rhaid i AI roi cyfrif am ymyrraeth ddynol. Megis slang, byrfoddau, geiriau cod, a llawer mwy o eiriau y mae bodau dynol wedi'u datblygu ar sail esblygiad parhaus, a gall pob un ohonynt wneud i algorithmau deallusrwydd artiffisial technegol iawn fynd o'i le. Yn y pen draw, nid oes gan fodelau AI na allant drin y naws dynol hyn y set ddata gyffredinol. Mae fel ceisio gyrru heb ddrych rearview, gyda rhywfaint o wybodaeth angenrheidiol, ond diffyg mannau dall allweddol. Rhaid i fusnesau ddod o hyd i gydbwysedd rhwng data hanesyddol ac ymyrraeth ddynol er mwyn i fodelau AI ddeall y gwahaniaethau cymhleth hyn. Trwy gyfuno data strwythuredig ac anstrwythuredig a hyfforddi AI i gydnabod y ddau, gellir cynhyrchu set ddata fwy cynhwysfawr a gwella cywirdeb rhagfynegiadau. At hynny, gall archwilio setiau data trydydd parti fod o fudd ychwanegol, heb unrhyw ragfarn ac anghysondebau.

 

4. Osgoi y "blwch du" o ddatblygu algorithm

 

Dulliau Er mwyn i AI fod yn foesegol, mae angen iddo fod yn gwbl dryloyw. Er mwyn datblygu strategaethau AI sydd ar yr un pryd yn dryloyw, yn egluradwy ac yn egluradwy, rhaid i gwmnïau agor y "blwch du" o god i ddeall sut mae pob nod yn yr algorithm yn dod i gasgliadau ac yn dehongli canlyniadau. Er bod hyn yn swnio'n syml, mae cyflawni hyn yn gofyn am fframwaith technegol cadarn a all ddehongli ymddygiad model ac algorithm trwy edrych ar y cod gwaelodol i ddangos y gwahanol is-ragfynegiadau sy'n cael eu cynhyrchu. Gall busnesau ddibynnu ar fframweithiau ffynhonnell agored i werthuso modelau AI ac ML ar draws dimensiynau lluosog, gan gynnwys:

 

Dadansoddi nodweddion: i asesu effaith cymhwyso nodweddion newydd i fodelau presennol

 

Dadansoddi Nodau: Egluro is-set o ragfynegiadau

 

Dadansoddiad Lleol: Dehongli rhagfynegiadau unigol a nodweddion paru i wella canlyniadau

 

● Dadansoddiad Byd-eang: Yn darparu adolygiad o'r brig i'r bôn o ymddygiad cyffredinol y model a'r nodweddion allweddol. Mae deallusrwydd artiffisial yn dechnoleg gymhleth gyda llawer o beryglon posibl os nad yw busnesau'n ofalus.

 

Dylai model AI llwyddiannus flaenoriaethu moeseg o'r diwrnod cyntaf, nid ôl-ystyriaeth. Ar draws diwydiannau a busnesau, nid yw AI yn un ateb i bawb, ond un enwadur cyffredin a ddylai wneud datblygiadau arloesol yw ymrwymiad i ragfynegi tryloyw a diduedd.


Anfon ymchwiliad