CIO は AI によってもたらされると認識されているリスクにどのように対処できるか

一般の CEO は、AI の最大のリスクは機会を逃すことだと考えています。特に、競合他社が自社よりも早く AI ベースのビジネス機能を導入する可能性があるためです。

CIO として、実際の AI リスクを考慮し、潜在的なリスクも予測する必要があります。これを効果的に達成する方法を次に示します。

一般人が認識するリスク

1. AI は人間に影響を与えますか? 回答: これはリスクではなく、選択です。パーソナル コンピューター、次にインターネット、そしてスマートフォンはすべて、コンピューターで強化された人間にチャンスをもたらしました。 AI も同様のことが可能であり、ビジネス リーダーは AI の機能を使用して従業員を強化し、能力を強化することで、より強力で競争力のあるビジネスの構築に集中できます。

彼らは、AI を使用して、雇用している人間が現在実行しているタスクを自動化できる、あるいはそうする、また他の人が自動化するでしょう。

あるいは、両方を行う可能性が高く、絶対的な意味ではどちらも優れているわけではありませんが、異なるものになります。 CIO として、AI が従業員の追加または置き換えに使用されるかどうかにかかわらず、会社の意図を伝えるのを支援する必要があります。

スカイネットは、震えを引き起こす可能性のある AI の未来の 1 つですが、最もありそうもないシナリオとも考えられています。これは、殺人ロボットを作成することが不可能だからではなく、そのような破壊的な人工知能を作成して投資する十分な理由がないからです。

自然界では、他の生物を捕食することは、ほとんどの生物の生存ニーズの 1 つです。捕食者は生存と繁殖能力を確保するために獲物を追いかけます。しかし、人間以外の生き物は、ただ楽しむために他の種に害を及ぼすことはほとんどありません。このような動作はまれであり、通常は人間の介入または環境破壊によって引き起こされる異常な動作です。自然界は相互依存とバランスによって獲物と被食者の関係が保たれており、あらゆる生き物はこの生態系の中で重要な役割を果たしている 電気や半導体の分野に加え、我々は新たな発見と確固たる意志を持てるのか? AI 間のリソースをめぐる競争が激化し、殺人ロボットのシナリオが私たちが直面しなければならない問題になるかどうかはわかりません。

AI が電力や半導体の分野で私たちと競争すれば、殺人ロボットの構築にリソースを浪費する可能性が低くなるからです。

3. ディープフェイク、はい、ディープフェイクは問題であり、現実戦争の頂点として、問題は悪化するばかりです、ディープフェイク AI とディープフェイク検出 AI は、ますます高速に改善する必要があります。お互いのステータスを維持するために。

つまり、マルウェア対策が単独のウイルス対策から業界全体のサイバーセキュリティに進化したのと同じように、現実との戦いが激化するにつれて、ディープフェイク対策も同様の軌跡をたどることが予想されます。

CEO が認識する AI リスク

すぐに元 CEO になりたくない CEO は、何らかの形の「TOWS」分析 (脅威、機会) にかなりの時間と注意を費やすでしょう。 、弱点と強み）。

CIO としてのあなたの最も重要な責任の 1 つは、長い間、IT ベースの機能からビジネス チャンスに至るまで、点と点を結び付けてビジネス戦略の推進を支援することです (貴社がその機能を初めて活用する場合) ）または脅威（競合他社が最初にそれらを悪用した場合）。

これは、現在の AI ブームが IT 業界を席巻する前のケースであり、それが「デジタル」のすべてであり、現在ではさらに当てはまります。

AI と組み合わせることで、CIO には新たな機能をビジネス全体に統合する方法という新たな責任が課せられます。

AI ベースの静かな脅威: 人間が作り出した弱点

あまり注目されていないが、懸念すべき別のタイプのリスクがあります。これは、「人為的に作られた人間の脆弱性」と呼ばれます。

ダニエル・カーネマンの考え方から始めましょう。速くても遅くても。カーネマンは本の中で、私たちの思考には 2 つの方法があると述べています。私たちが素早く考えるとき、私たちは脳の回路を使用して、一目で、遅滞なく、ほとんど努力せずに物事を理解することができます。素早く考えることは、「自分の直感を信頼する」ときに行うことでもあります。

私たちがゆっくり考えるとき、私たちは 17 × 53 を乗算する回路を使用していることになります。これはかなりの集中力、時間、頭脳を必要とするプロセスです。

AI に関して言えば、ゆっくり考えるのがエキスパート システムの機能であり、その点では昔ながらのコンピューター プログラミングが行うことですが、高速に考えるのが AI の最も魅力的なことであり、ニューラル ネットワークはそのためにあります。

現在の開発状況では、AI の素早い思考形態も、直感を信頼するのと同じ認知エラーを引き起こす傾向があります。例:

相関関係から因果関係を推測する: これを行うべきではないことは誰もが知っていますが、すべての証拠が並べられている場合、因果関係を推測することを止めるのは困難です。

偶然にも、今日 AI と呼ばれるものは主に、相関関係から因果関係を推測するニューラル ネットワークの機械学習で構成されています。

モデレーションに戻る: The Great British Baking Show を見ました。あるエピソードでスター ベイカー賞を受賞した人は、次のエピソードではパンの焼き方が悪くなる傾向にあることに気づくでしょう。これがスター ベイカーの呪いです。

ただ、これは呪いではなく、ただのランダムな動作です。どのパン屋のパフォーマンスも鐘の曲線に従います。1 週間以内にスター ベイカーに勝ったとき、彼らのパフォーマンスは鐘の形に達しています曲線の片尾、次に焼くときは、Star Baker Tail ではなく、平均的なパフォーマンスを発揮する可能性が最も高くなります。なぜなら、焼くたびに、勝利のテールではなく、平均的なパフォーマンスを発揮する可能性が最も高いからです。

機械学習 AI がこの誤謬の影響を受けないと期待する理由はありません。まったく逆に、ランダムなプロセス パフォーマンス データ ポイントに直面すると、悪い結果が発生するたびに AI が改善を予測することを期待する必要があります。

そして、因果関係は機能すると結論づけます。

「自分の仕事を見せる」のは禁止: そうですね、それはあなたの仕事ではなく、AI の仕事です。必要とされる、いわゆる「説明可能なAI」の開発に関する研究が活発に行われている。

あなたがビジネスチャンスの可能性を評価し、あなたに一連の行動を推奨するよう従業員を割り当てたとします。そして彼らはそうするでしょう、そしてあなたは「なぜそう思うのですか?」と尋ねるとします。有能な人なら誰でも従業員は楽しみにしています。この質問には答える準備ができています。

「説明可能な AI」がウィッシュリストではなく機能になるまで、AI は多くの企業が置き換えることを望んでいる労働者よりもこの分野での能力が低く、自分の考えを説明することができません。

無視すべきフレーズ

AI の文脈で、「コンピューターは . を決して知りません。」という主張を聞いたことがあるでしょう。

彼らは間違っています。これは、私がこのビジネスに携わり始めて以来、よく言われてきた主張であり、それ以来、どの x を選択しても、コンピュータは何でもできる、そしてそれは私たちよりもうまくできる、ということは明らかでした。 。

唯一の問題は、それが起こるまでどれくらいの時間待たなければならないかということです。