AI speciālisti, kas pulcējās Maison de la Recherche laikā Alliancy Connect sabiedriskās diskusijas ietvaros, uzsvēra būtiskos komponentus, kas nepieciešami, lai veicinātu uzticību mākslīgajā intelektā. Tehnoloģiju evolūcijas labirintā uzticības jēdziens AI pretēm kļuvis daudzveidīgāks, ietverot daudzus atribūtus.
Apollošana no Savstarpējās Atbilstības Uzticībai AI
Atbilstība bieži tiek uzskatīta par būtisku uzticības veidošanai, bet šie divi jēdzieni būtu jāuztver atsevišķi pēc Benjamina Mei viedokļa, kas ir Aramis tiesību firmas dibinātājs. Uzticamība AI nav vienīgi atkarīga no regulatīvajiem noteikumiem, bet gan no sistēmas derīguma—tā spējas precīzi izpildīt savas paredzētās uzdevumu bez negaidītiem rezultātiem.
Uzticamu AI Sistēmu Meklējumos
Thales vecākais AI eksperts Žuljete Mattioli, kas vadīja Confiance.ai stūres komiteju, kas dziļi iesaistās šajā tēmā, norādīja, ka atbilstība ir norma. Pārāk noteikumiem, viņa uzsvēra sistēmas derīgumu, tās stabilitāti, atsevišķību un nepieciešamību pēc stingras dokumentācijas, lai AI tiktu uzskatīta par uzticamu.
Rūpīgs AI Industrijas Apņemšanās
Rūpīgās nozares, kas balstās uz patentētiem procesiem, izrāda gan interesi, gan piesardzību attiecībā uz AI modeļiem. Jutīgām nozarēm, piemēram, veselības aprūpei, kas pārvalda ļoti jutīgus datus, šaubas ir vēl izteiktākas. Cēdriks Gūi-Paljē no CEA-List minēja, ka slimnīcas ir nevēlējušās dati, bet norādīja, ka sadalītais AI varētu ļaut drošākai datu pieejamībai AI modeļu izstrādātājiem.
Agrās Stadijas Nepieciešamība Uzticībai Modelī AI
Pēc Gūi-Paljē domām, uzticība rodas jau modelī esošo mehānismu konceptuālās stadijās. Mattioli uzsvēra, ka uzticības veidošana ir nepieciešama katrā stadijā, jo pašreizējā apņemšanās par datu avotiem, īpaši saistībā ar ģeneratīvā AI pieaugumu, var nebūt pietiekama.
Ģeneratīvā AI: Izvēles dažādais atkarīgais attiecībā uz uzticamību
Ģeneratīvajai AI, tomēr, sagādā būtiskas izaicinājumus uzticības nodrošināšanā. Kā akcentēja Mattioli, tā bieži trūkst atkārtojamības, caurspīdīguma un var radīt bez pamata rezultātus. Hugo Hamads no Decathlon Digital uzsvēra AI produktu izstrādātāju atbildību par etiskām praksēm, ierosinot, ka vien regulas ir nepietiekamas, lai risinātu trūkumus caurspīdības un dokumentācijā AI izstrādes laikā.
Regulatoro Iespēju Navigācija
Ģeneratīvā AI potenciāls pārkāpt Vispārējo Datu Aizsardzības Regulējumu kļuva skaidrs. Bez skaidrām atšķirībām starp dažāda veida AI regulācijas, piemēram, tuvojošos Eiropas AI likumu, ir risks un sajukums, ietekmējot lietotāju uzticību un aizsardzību. Pēc Benjamina Mei domām, lietotājiem vajadzētu būt iespējai noraidīt savus datus, kas tiek replikāti ar algoritmiem, viedokli atbalstīja arī Hamads, kas uzsvēra nozarei vadītus iniciatīvas uzticamības jautājumu risināšanā.
Plūstošā ģeneratīvā AI tehnoloģiju pieaugums ir izcelis ētisko apsvērumu steidzamību, ko izraisījusi tā masveida pieņemšana—izaicinājums, kas prasa rūpīgu uzticības pārskatīšanu visās AI lietojuma jomās.
Uzticības veidošana Mākslīgajā Intelektā (AI) tehnoloģijām ir būtiska, ņemot vērā šo sistēmu palielināšanos ikdienas dzīvē un dažādās nozarēs. Uzticība ir daudzveidīgs jautājums, kas ietver tehniskus, etiskus un regulatorus apsvērumus.
The source of the article is from the blog radardovalemg.com