Сейчас многие люди знают об искусственном интеллекте, машинном обучении и глубоком обучении. ИИ может быть основан на зрении, тексте или звуке. ИИ может решать различные проблемы: от прогнозирования до автоматизации, диагностического обслуживания и систем технического зрения для автономного вождения и определения качества с использованием ИИ или звука.

Также теперь мы знаем, что ИИ нужно много данных. У многих компаний есть данные, но они не уверены, сможем ли мы их использовать. Большое внимание уделяется сбору информации о том, что произошло, а не о том, почему это произошло. Почему случилось с ситуацией, когда хорошие и плохие образцы необходимы с различными вариациями данных с относительной точкой данных.

Я некоторое время изучал этический ИИ и хотел бы поделиться своими мыслями о том, что мы должны знать при создании или применении ИИ для человека и бизнес-процессов. Это может быть дополнение ИИ человеком для улучшения процессов или автоматизация бизнес-процессов, которые можно повторять, и ИИ можно применять.

Также важно убедиться, что данные не предвзяты. Сбор образца имеет такое же значение и справедливость, как и вариант использования, который вы собираетесь решить. Например, если вы используете экономические данные, убедитесь, что вы одинаково важны для пола и расового распределения, а также для возраста и т. д. Чтобы мы могли убедиться, что данные не предвзяты.

Чтобы иметь этический ИИ, это путешествие. Вот некоторые принципы, которым нужно следовать, и они могут измениться, поскольку эта область очень новая и постоянно меняется. Вот некоторые из вещей, которые я хотел бы рассмотреть:

  1. Справедливость
  2. Инклюзивность
  3. Прозрачность
  4. Подотчетность
  5. Надежность и безопасность
  6. Конфиденциальность и безопасность
  7. Объяснимость ИИ
  8. Практическая точность

Нет правильного ответа или какого-либо фиксированного процесса или процедуры о том, как мы можем сделать вышеперечисленное, но зная и следя за бдительностью.

Но вот несколько веб-сайтов, на которых разрабатываются принципы ИИ, могут стать отличным началом при разработке решений на основе ИИ.



Принципы машинного обучения
Далее Полностью сквозная система машинного обучения, которая автоматически предсказывает тюремные сроки, является классическим примером…этического.института





Принципы и подход ИИ от Microsoft
Узнайте о наших принципах ИИ, основанных на ответственности. Подход Microsoft к искусственному…www.microsoft.com





Наши принципы — Google AI
1. Быть социально полезным. Расширение сферы применения новых технологий все больше затрагивает общество в целом. Достижения в…ai.google



Если вышеприведенные принципы станут более зрелыми, у нас может быть лучший ИИ. Я видел, что Объяснимость ИИ становится все более доступной, хотя она и более научна, но также должна быть более простой и практичной. Я понимаю, что математически точность модели во многом подтверждена, но практической проверки нет.

Вот еще одна история о объяснении ИИ.

https://hbr.org/2019/10/we-need-ai-that-is-explainable-auditable-and-transparent

Вот еще одна библиотека для использования:

https://github.com/interpretml/interpret

Надеюсь, это даст вам представление о том, как приступить к разработке этичного решения на основе ИИ. Пожалуйста, прокомментируйте или дайте отзыв, если вы найдете какие-либо другие источники, которые определяют вышеуказанный принцип.

Также будьте готовы к тому, что вышеперечисленное изменится по мере взросления области ИИ.