V Franciji je vlada predstavila Alberta, umetno inteligenco, ki jo obravnavajo kot prvo suvereno umetno inteligenco države, katere cilj je revolucionirati vsakdanje življenje in poenostaviti birokracijo. Eden od Albertovih programov vključuje pomoč uradnikom fiskalne uprave pri pripravi začetnih odgovorov na preobsežno število vprašanj davkoplačevalcev, ki znaša 16 milijonov sporočil letno. Vendar so v sindikatu Finančnih javnih storitev (CGT) v Bouches-du-Rhône poročali o težavah, saj je ta AI v zadnjih letih storila pomembne napake.
Nadzor robotov pri zaznavi zasebnih bazenov
V prizadevanjih za identifikacijo zasebnih bazenov, kar je ena od njenih nalog, AI analizira zračne posnetke na podlagi barve vode. Philippe Laget, predstavnik iz CGT, je pojasnil začetne težave. Algoritem je nekoč zamenjal parkirna mesta za invalide in nekateri kmetijski pokrovi so bili zamenjani za bazene. Nasprotno, bazeni z vodnimi odtenki, ki odstopajo od standardnega modrega, pričakovanega s strani AI, ostajajo nezaznani. Poleg tega je izziv razlikovanje med prenosnimi bazeni, ki niso obdavčeni, in trajno zgrajenimi bazeni.
Napake AI onkraj zaznavanja bazenov
Napake segajo onkraj iskanja bazenov. Dogodek, ki ga je omenil Laget, vključuje davek na več kot šestdeset otrok, nekateri celo tako majhni kot tri leta, kot lastnike sekundarnih prebivališč. Skupno CGT ocenjuje stopnjo napake najmanj 30 odstotkov, kar nakazuje na pomembno zanesljivostno težavo v trenutnem sistemu. Ta visok odstotek napak je povzročil pomisleke o učinkovitosti umetne inteligence pri zapletenih upravno-administrativnih vlogah.
Umetna inteligenca (AI) je bila zaposlena pri različnih vladnih agencijah po vsem svetu za izboljšanje učinkovitosti in upravljanje velikih količin podatkov in nalog. Sistemi AI, kot je Albert v Franciji, so zasnovani za avtomatizacijo in poenostavitev operacij, kot je davčna uprava, ki vključuje obdelavo milijonov poizvedb in identifikacijo obdavčljivih sredstev.
Pomembna vprašanja in odgovori:
– V: Kakšne vloge so bile dodeljene AI v francoski davčni upravi?
O: AI je bila uporabljena za pripravo začetnih odgovorov na vprašanja davkoplačevalcev in za identifikacijo obdavčljivih sredstev, kot so zasebni bazeni, z analizo zračnih fotografij.
– V: Kakšne so poročene stopnje napak za AI v francoski davčni upravi in kaj to pomeni?
O: CGT poroča o stopnji napake najmanj 30 odstotkov, kar nakazuje na potencialno težavo z zanesljivostjo in natančnostjo AI sistema v zapletenih upravno-administrativnih postopkih.
Ključni izzivi ali kontroverze:
– Razlikovanje med fizičnimi značilnostmi na zračnih posnetkih (npr. ločevanje bazenov od drugih struktur) postavlja tehnične izzive.
– Visoke stopnje napak lahko vodijo v nezaupanje javnosti v AI in morebitno finančno in ugledno škodo za tiste, ki so neupravičeno prizadeti.
– Ravnotežje med pridobivanjem učinkovitosti in natančnostjo je ključno na občutljivih področjih, kot je davčna uprava.
Prednosti:
– AI lahko obdela velike količine podatkov in poizvedb, kar lahko izboljša učinkovitost in pospeši odzivne čase za davčno upravo.
– Avtomatizacija vsakdanjih nalog omogoča, da se človeški kadri osredotočijo na bolj kompleksne in prefinjene primere.
Slabosti:
– Visoke stopnje napak lahko oslabijo učinkovitost davčne uprave in privedejo do nepravičnih posledic za davkoplačevalce.
– Odvisnost od AI lahko prinese nove vrste pristranskosti, če algoritem ni pravilno usposobljen ali posodobljen, da odraža realne variabilnosti.
– Naslavljanje napak, ki jih povzroči AI, lahko zahteva čas in morda človeški poseg za rešitev, kar lahko poniči nekatere pridobljene učinkovitosti.
Za več informacij o AI v upravi in upravljanju, lahko preverite te verodostojne vire:
– Organizacija za gospodarsko sodelovanje in razvoj (OECD)
– Mednarodna telekomunikacijska zveza (ITU)
Ko AI še naprej vstopa v različne sektorje, je pomembno najti ravnotežje med izkoriščanjem njenih prednosti in zmanjševanjem njenih slabosti. Za francosko davčno upravo bodo ključni nadgradnja algoritmov AI in izboljšanje učnega procesa AI za premagovanje trenutnih izzivov s stopnjami napak ter doseganje želenih rezultatov.
The source of the article is from the blog tvbzorg.com