隨著人工智能和機器語言使用的增加，技術變得越來越普及。人工智能（AI）和機器學習（ML）正在改變行業，并在一定程度上解決重要和現實世界的挑戰。這項技術正在迅速成熟，應用范圍似乎無限。這些巨大的開放性帶來了構建對每個人都有效的人工智能的重大責任。

人工智能應用程序已經證明了它能夠自動化日常工作，同時也可以通過新的洞察力來增強人的能力。然而，權力越大，責任就越大。對勞動力轉移的恐懼，隱私的喪失，決策中潛在的偏見，以及對自動化系統和機器人缺乏控制，這些都是威脅的可能性。商業和公共領域的人工智能技術，如自動汽車、聊天機器人通過打包和無休止地回答人類的問題，接管了艱苦的人力勞動過程。然而，缺點是自動駕駛汽車可能會導致事故，聊天機器人可能會學會使用攻擊性語言。這些可能發生的事件引發了人們對“工作末日”的擔憂，這種擔憂涉及包容性、多樣性、隱私和安全。

隨著人工智能和機器語言使用的增加，技術變得越來越普及。科技正在參與越來越多的決策，如福利支付、抵押貸款審批和醫療診斷。當人工智能成為每個工作系統的一部分時，透明度和可見性就會消失。人工智能可能暗示的一個主要威脅是強化現有的人類偏見。這些偏差是無法確定的，是由于在開發和培訓系統時缺乏不同的視角而產生的。

在解決所有這些問題的過程中，負責任的人工智能/人工智能為每個人提供了一種方法，讓每個人都能采取公平、負責、誠實、透明和以人為本的“以人為本”方法。

什么是負責任的AI/ML？

負責任的AI/ML是將許多關鍵關注點和實踐結合在一起的追求。負責任人工智能的主要重點是確保以符合用戶期望、組織價值觀和社會法律和規范的方式使用符合道德、透明和負責任的人工智能技術。

負責任的AI/ML防止使用有偏見的數據或算法，確保自動化決策是合理的和可解釋的。它有助于維護用戶信任和個人隱私。通過提供明確的參與規則，負責任的人工智能/人工智能允許處于公眾和國會審查之下的組織進行創新，并實現人工智能的變革潛力，這一潛力既有說服力又有責任感。

盡管當可解釋人工智能（XAI）被用作解釋機器學習模型的統計方法時，核心問題不僅僅是統計問題。人工智能和人工智能應該回答人們的問題，通過這些問題形成負責任的人工智能/人工智能。負責任的人工智能/人工智能試圖實現最大的透明度和對人工智能的理解，全面了解模型及其影響。負責任的AI/ML包括六個關鍵主題。它們是可解釋人工智能、可解釋機器學習技術、倫理人工智能、安全人工智能、以人為中心的人工智能和合規性。

通過負責任的ML降低風險的方法

作者帕特里克·霍爾、納夫迪普·吉爾和本·考克斯發表的一份報告集中討論了ML的技術問題以及以人為中心的安全、公平和隱私等問題。促進這些方面的目標是消除技術和負責任人工智能之間的細線。報告中的一些關鍵內容是，

?人：人在循環中——為什么組織的機器學習文化是負責任的ML實踐的一個重要方面。

?流程：馴服機器學習工作流的狂野西部-關于更改或更新流程以管理ML資產的建議。

?技術：為人的信任和理解而設計的ML——可以幫助組織在其ML系統中建立人的信任和理解的工具。
責任編輯:tzh