ພວກເຮົາ ກໍາ ລັງເຮັດທຸລະກິດໃນ 2012. ພວກເຮົາແມ່ນບໍລິສັດທີ່ໃຫຍ່ທີ່ສຸດ ສໍາ ລັບຜູ້ໃຫ້ບໍລິການຂອງພວກເຮົາ. ພວກເຮົາແມ່ນບໍລິສັດທີ່ໃຫຍ່ທີ່ສຸດ ສໍາ ລັບຜູ້ໃຫ້ບໍລິການຂອງພວກເຮົາ. ຫຼັງຈາກນັ້ນ, ຜູ້ຊ່ຽວຊານໃນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນອຸປະກອນ ພວກເຮົາໄດ້ສ້າງການບິນໃນເວລາທີ່ພວກເຮົາມີການບິນມັນ. ແລະໃນປັດຈຸບັນພວກເຮົາມີຄວາມຮູ້ສຶກວ່າການເພີ່ມຄວາມປອດໄພກັບລະບົບ AI ທີ່ມີຢູ່ໃນການນໍາໃຊ້ແມ່ນມີຄ່າໃຊ້ຈ່າຍ, ຄ່າໃຊ້ຈ່າຍ, ແລະຫຼາຍກ່ວາພວກເຮົາມີຄວາມຜິດພາດ. ໃນປັດຈຸບັນພວກເຮົາມີຄວາມຮູ້ສຶກວ່າການເພີ່ມຄວາມປອດໄພກັບລະບົບ AI ທີ່ໄດ້ຮັບການນໍາໃຊ້ໄດ້. AtScale, ເຊິ່ງຊ່ວຍໃຫ້ບໍລິສັດສ້າງການຄຸ້ມຄອງ analytics, supports the trend of building governance directly into AI architectures rather than adding controls later.It is a simple but radical idea: ຂໍຂອບໃຈວ່າຄວາມປອດໄພ, ຄວາມປອດໄພ, ແລະຄວາມຮັບຜິດຊອບແມ່ນບໍ່ພຽງແຕ່ສິ່ງທີ່ໄດ້ຮັບການກວດສອບ, ແຕ່ໄດ້ສ້າງຕັ້ງຂຶ້ນໃນການອອກແບບ? ການເຄື່ອນໄຫວຂອງການຄຸ້ມຄອງ AI Retrofitted ຜະລິດຕະພັນທີ່ດີທີ່ສຸດ ວິທີການນີ້ສາມາດສ້າງບັນຫາທີ່ໄດ້ຮັບການຄຸ້ມຄອງຢ່າງວ່ອງໄວຫຼາຍໃນໄລຍະເວລາ. ມັນສາມາດສ້າງບັນຫາທີ່ໄດ້ຮັບການຄຸ້ມຄອງຢ່າງວ່ອງໄວ. AI governance ການຄຸ້ມຄອງ ການນໍາໃຊ້ການຄວບຄຸມການຄຸ້ມຄອງ retroactively ສາມາດສ້າງຄວາມປອດໄພໃນເວລາທີ່ຄອບຄົວຂອງພວກເຮົາມີທີມງານການກໍ່ສ້າງຮູບແບບທີ່ເຫມາະສົມກັບຄວາມຖືກຕ້ອງຂອງພວກເຂົາເອງສໍາລັບຄໍາແນະນໍາຂອງພວກເຮົາມີຄໍາແນະນໍາຂອງພວກເຮົາມີທີມງານອື່ນໆ, ເຊັ່ນດຽວກັນກັບຄໍາແນະນໍາຂອງພວກເຮົາມີທີມງານຂອງພວກເຮົາມີທີມງານຂອງພວກເຮົາມີທີມງານຂອງພວກເຂົາ. ການຈັດການຫຼັງຈາກການນໍາໃຊ້ຂອງການຄຸ້ມຄອງບໍ່ຈໍາເປັນຕ້ອງກວດສອບການເຮັດວຽກຂອງລະບົບ AI. ໃນເວລາທີ່ທີມງານການຄຸ້ມຄອງການຄຸ້ມຄອງການຄຸ້ມຄອງການຄຸ້ມຄອງໄດ້ກວດສອບເປັນມາດຕະຖານ, ການຄຸ້ມຄອງໄດ້ເຮັດໄດ້ຫຼາຍກ່ວາ 1000 ຄໍາຮ້ອງສະຫມັກ. Organizations add explainable AI tools to demonstrate what an AI system did, not why they built it that way. ນອກເຫນືອໄປຈາກນັ້ນ, ເຄື່ອງມືເຫຼົ່ານີ້ແມ່ນປົກກະຕິແຕກຕ່າງກັນຈາກອຸດສາຫະກໍາຂໍ້ມູນທີ່ສະຫນັບສະຫນູນລະບົບ AI, ດັ່ງນັ້ນການເພີ່ມລະດັບນີ້ອາດຈະແກ້ໄຂບັນຫາຕົ້ນຕໍ, ແຕ່ຍັງຄ້າຍຄືກັບການສ້າງຄວາມກວ້າງຂວາງຫຼາຍ. ໃນຖານະເປັນວິທີການ, ການຄາດຄະເນດິນຟ້າອິນເດຍໄດ້ຖືກນໍາໃຊ້ໂດຍການຄາດຄະເນດິນຟ້າອິນເດຍສໍາລັບການຄາດຄະເນດິນຟ້າອິນເດຍ. ການນໍາສະເຫນີຕົວແບບການຄຸ້ມຄອງທີ່ຖືກອອກແບບສໍາລັບສະພາບແວດລ້ອມ BI ອັດຕະໂນມັດຫຼາຍກ່ວາລະບົບ probabilistic ອັດຕະໂນມັດ. AI initiatives from pilot to production ວິທີການ AI ຈາກ pilot ກັບການຜະລິດ ເປັນຫຍັງ "Trust by Design" ມີຄວາມຮູ້ກ່ຽວກັບການເຮັດວຽກ ການເຊື່ອມຕໍ່ໂດຍການອອກແບບແມ່ນກ່ຽວກັບການເຊື່ອມຕໍ່ລະບົບທີ່ການຄຸ້ມຄອງແມ່ນສ້າງຕັ້ງຂຶ້ນຈາກການເລີ່ມຕົ້ນ, ບໍ່ໄດ້ເພີ່ມຂຶ້ນຫຼັງຈາກການປະຕິບັດ. ຫຼັງຈາກການປະຕິບັດ, ທ່ານບໍ່ຈໍາເປັນຕ້ອງຊອກຫາທ່ານ, "How will we audit this AI after it has been launched?" ການປ່ຽນແປງໄປຫາຄວາມປອດໄພໂດຍການອອກແບບເກີດຂຶ້ນໃນລະດັບອຸດສາຫະກໍາ, ຫຼັງຈາກການຄາດຄະເນດຽວກັນໃດຫນຶ່ງໄດ້ຖືກສ້າງຂຶ້ນ. ນີ້ປະກອບການຂໍ້ມູນໃນວິທີທີ່ເຮັດໃຫ້ມັນ transparent, traceable, and accountable. These systems are meant to make the logic behind decisions clear and easy to check. ການຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງ ປະເພດຂອງມາດຕະຖານ semantic ໃນ AI Transparency ໂມເລກຸນ semantic ເປັນວິທີທີ່ສໍາຄັນທີ່ຈະຕິດຕາມຄວາມປອດໄພໃນກິດຈະກໍາໂດຍຜ່ານການອອກແບບ. ພວກເຮົາມີຄວາມຮັບປະກັນວ່າທັງຫມົດຂອງລະບົບທີ່ຕ້ອງການມັນມີບັນຫາທີ່ແຕກຕ່າງກັນ, standardize definitions ຂອງທຸລະກິດ, ແລະສະແດງໃຫ້ເຫັນວິທີທີ່ມາດຕະຖານທີ່ກ່ຽວຂ້ອງກັບຄົນອື່ນ. ປະເພດ ສະ ຫນັບ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ລະຫັດ QR ລະຫັດ QR ໂມເລກຸນ semantic ສະແດງໃຫ້ເຫັນວ່າການນໍາໃຊ້ metric ແມ່ນສິ່ງທີ່ຄ້າຍຄືກັນແລະວິທີການຂອງພວກເຂົາ. ພວກເຂົາເຈົ້າເຮັດໃຫ້ຄວາມຮູ້ສຶກບໍ່ເສຍຄ່າ. ນອກເຫນືອໄປຈາກການນໍາໃຊ້ AtScale, ການນໍາໃຊ້ການມາດຕະຖານ semantic ເປັນພື້ນຖານສໍາລັບການທົດສອບທີ່ເຫມາະສົມສໍາລັບການຄຸ້ມຄອງ. ໃນຂະນະທີ່ Dave Mariani, CTO ແລະ Co-Founder ຂອງ AtScale, ໄດ້ຮັບປະກັນວ່າ ‘ລູກຄ້າທີ່ເຮັດວຽກ’, ‘ຈຸດປະສົງທີ່ຄຸນນະສົມບັດ’ ຫຼື ‘ຈຸດປະສົງ net’ ມີຄວາມຮູ້ສຶກວ່າທ່ານກໍາລັງຊອກຫາຄໍາຖາມໃນຜູ້ຊ່ຽວຊານ AI ໃນ Slack, ການຄົ້ນຄວ້າໂດຍຜ່ານດິນເຢຍລະມັນ, ຫຼືການຕັດສິນໃຈ. ການຄຸ້ມຄອງທີ່ສ້າງຕັ້ງຂຶ້ນໃນອຸດສາຫະກໍາ: Lineage, Accountability, Explainability ໃນຂະນະທີ່ການຄວບຄຸມມີຊີວິດໃນອຸປະກອນຕົນເອງ, ທ່ານໄດ້ຮັບຜົນປະໂຫຍດທີ່ສົມບູນແບບ, ຄຸນນະສົມບັດ, ແລະມີປະສິດທິພາບ, ໃນຂະນະທີ່ການຄຸ້ມຄອງ AI ປະສິດທິພາບ. ນີ້ແມ່ນສິ່ງທີ່ແຕກຕ່າງກັນ: 
 
 
 
 ຮູບແບບທີ່ມີ semantics ສາມາດສະຫນອງຄວາມຊອກຫາເພີ່ມເຕີມໃນຮູບແບບຂໍ້ມູນ (ລັກສະນະທີ່ຂໍ້ມູນໄດ້ເລີ່ມຕົ້ນ, ວິທີການປ່ຽນແປງ, ແລະລະບົບທີ່ໃຊ້ເວລາມັນ), ເຊັ່ນດຽວກັນກັບການຕິດຕາມການຄອມພິວເຕີທັງ ຫມົດ ແລະພະລັງງານຂອງຕົນສໍາລັບຜູ້ຊ່ຽວຊານກ່ຽວກັບການຜະລິດ AI. ຄໍາຮ້ອງສະຫມັກຄົ້ນຄວ້າ: ການເຊື່ອມໂລຫະການຄົ້ນຄວ້າທຸລະກິດໃນລະດັບຕົ້ນຕໍອະນຸຍາດໃຫ້ການເຊື່ອມໂລຫະໂດຍສະຫນອງຄວາມຮູ້ສຶກກ່ຽວກັບຜູ້ກໍ່ສ້າງຄໍາຮ້ອງສະຫມັກໃດໆ, ໃນເວລາທີ່ພວກເຂົາເຈົ້າກໍ່ສ້າງມັນ, ແລະວິທີການ. ນີ້ສ້າງບັນຊີລາຍຊື່, ການຄຸ້ມຄອງ, ແລະປະຫວັດສາດການຊື້ຄ່ໍາສໍາລັບຄໍາຮ້ອງສະຫມັກທັງຫມົດທີ່ໄດ້ຮັບການນໍາໃຊ້ລະບົບ AI. ລະບົບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກັບການສົນທະນາກ Why This Matters For Ethics, Regulation, ແລະ Risk ການທົບທວນຄືນກ່ຽວກັບ AI ໄດ້ປ່ຽນແປງຈາກ “ພວກເຮົາສາມາດສ້າງນີ້?” ກັບ “ພວກເຮົາຄວນສ້າງນີ້?” ແລະ “ຫຼັງຈາກນັ້ນພວກເຮົາກໍາລັງສ້າງຕົວຢ່າງທີ່ພວກເຮົາມີຄວາມຮັບຜິດຊອບທີ່ພວກເຮົາກໍາລັງສ້າງມັນ?” Organizations should anticipate many difficult questions from regulators, customers, and employees regarding accountability, fairness, and auditability. If they can’t provide clear answers to these questions, risk may become a real concern. ການຄົ້ນຄວ້າໂດຍການອອກແບບສະຫນອງສະຖານທີ່ສໍາລັບການປິ່ນປົວຄວາມປອດໄພຂອງການຄົ້ນຄວ້າທີ່ແຕກຕ່າງກັນ. ການກໍ່ສ້າງການຄຸ້ມຄອງທີ່ຖືກກວດສອບແລະຖືກກວດສອບໃຫ້ການເຂົ້າເຖິງແລະການຕິດຕາມຂອງການຄຸ້ມຄອງ. ນອກເຫນືອໄປຈາກນີ້, ຄວາມປອດໄພພາຍໃນການກໍ່ສ້າງການຄຸ້ມຄອງສາມາດກວດສອບຄວາມປອດໄພທີ່ກ່ຽວຂ້ອງກັບຜົນປະໂຫຍດຂອງການຄຸ້ມຄອງແລະສະແດງໃຫ້ເຫັນກັບຜູ້ຊ່ຽວຊານວ່າລະບົບ AI ໃຊ້ປະໂຫຍດທີ່ຖືກກວດສອບຢ່າງງ່າຍດາຍ. AtScale ຜູ້ຊ່ຽວຊານໃນການຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງຄຸ້ມຄອງ ການອອກແບບຄວາມປອດໄພໃນຂະນະທີ່ AI ເຮັດໃຫ້ autonomy ຫຼາຍ ລະບົບ AI ມີການຄຸ້ມຄອງເພີ່ມເຕີມໂດຍບໍ່ມີການຄວບຄຸມຂອງມະນຸດ. ການຄຸ້ມຄອງທີ່ບໍ່ແມ່ນຄາດວ່າຈະເປັນການປັບປຸງ. ບໍລິສັດສາມາດຊອກຫາວ່າຄວາມປອດໄພແມ່ນບໍ່ມີສິ່ງທີ່ພວກເຂົາສາມາດເພີ່ມຂຶ້ນຫຼັງຈາກນັ້ນ, ແຕ່ຕ້ອງຖືກອອກແບບໃນສະບັບຕັ້ງແຕ່ເລີ່ມຕົ້ນ. ໂມເລກຸນ semantic ແມ່ນຫນຶ່ງໃນເຄື່ອງມືທີ່. ແຕ່ວິທີທີ່ກວ້າງຂວາງ: ຖ້າຫາກວ່າທ່ານຕ້ອງການ AI ທ່ານສາມາດສະຫນັບສະຫນູນ, ການທົດສອບ, ແລະຄວາມປອດໄພ, ທ່ານຕ້ອງສ້າງຄວາມປອດໄພຂອງພວກເຂົາໃນສະຖານທີ່, ບໍ່ແມ່ນສະຖານທີ່. ຄໍາຖາມແມ່ນບໍ່ວ່າຈະຄວບຄຸມ AI. ມັນແມ່ນວ່າທ່ານໄດ້ສ້າງອຸປະກອນການເພື່ອເຮັດໃຫ້ການຄຸ້ມຄອງທີ່ເຫມາະສົມໃນຕອນແລງ. 
 
 ບົດຄວາມນີ້ໄດ້ຖືກສົ່ງເສີມໂດຍ Jon Stojan under HackerNoon’s Business Blogging Program. ບົດຄວາມນີ້ໄດ້ຖືກສົ່ງເສີມໂດຍ Jon Stojan under HackerNoon’s Business Blogging Program.

This story contains new, firsthand information uncovered by the writer.

ສຽງນີ້ຖືກຜະລິດເປັນພາສາຕົ້ນສະບັບຂອງເລື່ອງ!

ການເຊື່ອມຕໍ່ໂດຍການອອກແບບ: ການເຊື່ອມຕໍ່ການຄວບຄຸມໂດຍອີງໃສ່ AI Architecture

About Author

ຄຳເຫັນ

ວາງປ້າຍ

ບົດຄວາມນີ້ໄດ້ຖືກນໍາສະເຫນີໃນ

Related Stories

The Portrait That Changed Everything

Meet Leobit: HackerNoon Company of the Week

THE EVENING SKY AT THE VERNAL EQUINOX

The Branding Writing Contest: Winner Announcement!

The Portrait That Changed Everything

Meet Leobit: HackerNoon Company of the Week

THE EVENING SKY AT THE VERNAL EQUINOX

The Branding Writing Contest: Winner Announcement!

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps

ການເຊື່ອມຕໍ່ໂດຍການອອກແບບ: ການເຊື່ອມຕໍ່ການຄວບຄຸມໂດຍອີງໃສ່ AI Architecture

About Author

ຄຳເຫັນ

ວາງປ້າຍ

ບົດ​ຄວາມ​ນີ້​ໄດ້​ຖືກ​ນໍາ​ສະ​ເຫນີ​ໃນ

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps

ບົດຄວາມນີ້ໄດ້ຖືກນໍາສະເຫນີໃນ