Welchen ethischen Grundsätzen muss künstliche Intelligenz folgen?

Da die Datenwissenschaft immer ausgefeilter wird und Verbraucher zunehmend personalisiertere Kundenerlebnisse verlangen, ist künstliche Intelligenz ein Werkzeug, das Unternehmen dabei hilft, ihre Kunden und Zielgruppen besser zu verstehen. Aber selbst wenn KI über das gesamte Potenzial der Welt verfügt, wird dieses volle Potenzial möglicherweise nie ausgeschöpft, wenn wir nicht herausfinden, wie wir die verbleibenden ethischen Herausforderungen lösen können.

Während sich diese Technologie weiterentwickelt, sollten sich alle Führungskräfte, die eine KI-Strategie umsetzen möchten, die Frage vor Augen halten, wie sie den Einsatz von KI in ihrem Unternehmen auf ethische und verantwortungsvolle Weise maximieren können.

Um KI-Funktionen zu implementieren und zu skalieren, die einen positiven ROI liefern und gleichzeitig Risiken minimieren, Voreingenommenheit reduzieren und den KI-Wert steigern, sollten Unternehmen die folgenden vier Prinzipien befolgen:

1. Ziele, Vorgaben und Risiken verstehen

Vor etwa sieben Jahren veröffentlichte eine Organisation den sogenannten „Hype Cycle for Emerging Technologies“, der die Technologien vorhersagte, die Gesellschaft und Wirtschaft im nächsten Jahrzehnt verändern würden. Künstliche Intelligenz ist eine dieser Technologien.

Die Veröffentlichung dieses Berichts hat Unternehmen dazu veranlasst, sich zu beeilen, um Analysten und Investoren zu beweisen, dass sie sich mit künstlicher Intelligenz auskennen, und viele Unternehmen haben damit begonnen, Strategien der künstlichen Intelligenz auf ihre Geschäftsmodelle anzuwenden. Manchmal erweisen sich diese Strategien jedoch als schlecht umgesetzt und dienen kaum mehr als einem nachträglichen Gedanken zu bestehenden Analyse- oder numerischen Zielen. Dies liegt daran, dass Unternehmen kein klares Verständnis für das Geschäftsproblem haben, das sie durch KI lösen sollen.

Nur 10 % der von Unternehmen entwickelten KI- und ML-Modelle werden implementiert. KI hinkt der historischen Kluft zwischen den Unternehmen mit dem Problem und den Datenwissenschaftlern hinterher, die KI zur Lösung des Problems nutzen können. Mit zunehmender Datenreife haben Unternehmen jedoch begonnen, Datenübersetzer in verschiedene Wertschöpfungsketten zu integrieren, beispielsweise wenn Marketingunternehmen Ergebnisse ermitteln und umwandeln müssen.

Deshalb besteht der erste Grundsatz bei der Entwicklung einer ethischen KI-Strategie darin, alle Ziele, Ziele und Risiken zu verstehen und dann einen dezentralen Ansatz für KI innerhalb des Unternehmens zu schaffen.

2. Lösen Sie das Problem der Voreingenommenheitsdiskriminierung

Da KI-Lösungen nie richtig entwickelt wurden, um das Problem der Voreingenommenheit zu lösen, wurde der Ruf großer und kleiner Unternehmen geschädigt und die Kunden haben ihnen misstraut. Daher müssen Unternehmen, die KI-Modelle entwickeln, vorbeugende Maßnahmen ergreifen, um sicherzustellen, dass ihre Lösungen keinen Schaden anrichten. Der Weg dazu besteht darin, einen Rahmen zu schaffen, der negative Auswirkungen auf die Vorhersagen des Algorithmus verhindert.

Wenn ein Unternehmen beispielsweise Umfragen nutzen möchte, um die Kundenstimmung besser zu verstehen, etwa wie unterrepräsentierte Communities ihre Dienste sehen, könnte es Data Science nutzen, um diese Kundenumfragen zu analysieren und einen bestimmten Prozentsatz der Antworten in der Umfrage zu erkennen waren in einer anderen Sprache als Englisch, der einzigen Sprache, die der KI-Algorithmus wahrscheinlich versteht.

Um dieses Problem zu lösen, können Datenwissenschaftler nicht nur den Algorithmus modifizieren, sondern auch die komplexen Nuancen der Sprache integrieren. Wenn diese Nuancen in der Sprache verstanden werden können und KI in Kombination mit einer flüssigeren Sprache diese Schlussfolgerungen umsetzbarer macht, können Unternehmen die Bedürfnisse unterrepräsentierter Gemeinschaften verstehen, um ihr Kundenerlebnis zu verbessern.

3. Entwickeln Sie eine vollständige Palette zugrunde liegender Daten

KI-Algorithmen sind in der Lage, große Datensätze zu analysieren, und Unternehmen sollten der Entwicklung eines Frameworks für Datenstandards, die von ihren KI-Modellen verwendet und aufgenommen werden, Priorität einräumen. Für den Erfolg von KI ist ein ganzheitlicher, transparenter und nachvollziehbarer Datensatz unerlässlich.

Künstliche Intelligenz muss menschliche Eingriffe berücksichtigen. Dinge wie Slang, Abkürzungen, Codewörter und weitere Wörter, die der Mensch auf der Grundlage kontinuierlicher Evolution entwickelt hat, können allesamt dazu führen, dass hochtechnische Algorithmen der künstlichen Intelligenz schiefgehen. KI-Modellen, die diese menschlichen Nuancen nicht verarbeiten können, fehlt am Ende ein Gesamtdatensatz. Es ist so, als würde man versuchen, ohne Rückspiegel zu fahren, wobei man einige benötigte Informationen hat, aber kritische tote Winkel übersieht.

Unternehmen müssen ein Gleichgewicht zwischen historischen Daten und menschlichem Eingreifen finden, damit KI-Modelle diese komplexen Unterschiede verstehen können. Indem Sie strukturierte Daten mit unstrukturierten Daten kombinieren und die KI darauf trainieren, beides zu erkennen, können Sie umfassendere Datensätze generieren und die Genauigkeit Ihrer Vorhersagen verbessern. Darüber hinaus kann die Prüfung von Datensätzen durch Dritte ein zusätzlicher Vorteil sein, da sie frei von Verzerrungen und Diskrepanzen ist.

4. Vermeiden Sie den „Black-Box“-Ansatz bei der Algorithmenentwicklung

Damit KI ethisch vertretbar ist, ist vollständige Transparenz erforderlich. Um eine KI-Strategie zu entwickeln, die gleichzeitig transparent, erklärbar und interpretierbar ist, müssen Unternehmen die „Black Box“ ihres Codes öffnen, um zu verstehen, wie jeder Knoten im Algorithmus zu seinen Schlussfolgerungen gelangt und seine Ergebnisse interpretiert.

Obwohl das einfach klingt, erfordert dies ein starkes technisches Framework, das das Modell- und Algorithmusverhalten erklären kann, indem es den zugrunde liegenden Code betrachtet, um die verschiedenen generierten Untervorhersagen zu zeigen.

Unternehmen können sich auf Open-Source-Frameworks verlassen, um KI- und ML-Modelle in mehreren Dimensionen zu bewerten, darunter:

• Funktionsanalyse: zur Bewertung der Anwendung Auswirkungen neuer Funktionen auf bestehende Modelle
• Knotenanalyse: Interpretiert Teilmengen von Vorhersagen
• Lokale Analyse: Interpretiert einzelne Vorhersagen und gleicht Funktionen ab und verbessert so die Ergebnisse
#🎜🎜 #Globale Analyse: Bietet eine Top-Down-Überprüfung des gesamten Modellverhaltens und der wichtigsten Funktionen wenn Unternehmen nicht aufpassen. Ein erfolgreiches KI-Modell sollte ethische Fragen vom ersten Tag an priorisieren und nicht erst im Nachhinein. In allen Branchen und Unternehmen gilt KI nicht als Einheitslösung, aber ein roter Faden, der zu Durchbrüchen führen sollte, ist die Verpflichtung zu transparenten und unvoreingenommenen Vorhersagen.

Das obige ist der detaillierte Inhalt vonWelchen ethischen Grundsätzen muss künstliche Intelligenz folgen?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!