Inhaltsverzeichnis
Schritt Eins
Einsatz
Heim Technologie-Peripheriegeräte KI Wie kann ein ethischer Einsatz von KI-Implementierungen sichergestellt werden?

Wie kann ein ethischer Einsatz von KI-Implementierungen sichergestellt werden?

Apr 15, 2023 am 10:16 AM
人工智能 自动化

Wie kann ein ethischer Einsatz von KI-Implementierungen sichergestellt werden?

Das erhebliche Wachstum der Automatisierungs- und Maschinentechnologien (wie künstliche Intelligenz und maschinelles Lernen) hat zweifellos zu neuen Größen- und Serviceniveaus für Unternehmen geführt.

Einer der Vorteile, die wir alle von KI erwarten könnten, ist die Möglichkeit, von Menschen verursachte Vorurteile zu beseitigen und die Diskriminierung von Minderheitengruppen zu verbessern. Wenn KI jedoch nicht gut gemanagt wird, kann sie die Diskriminierung noch weiter verstärken, indem sie Vorurteile in ihre Algorithmen einbaut.

Heutzutage entscheiden Maschinen oft darüber, ob wir für eine Hypothek in Frage kommen oder ob wir von Strafverfolgungsbehörden oder Versicherungsunternehmen überwacht werden, um Betrug zu bekämpfen. Ihr Einfluss erstreckt sich sogar auf die Entscheidung, welche Anzeigen Sie online sehen – einschließlich Stellenanzeigen für gut bezahlte Jobs.

Es gibt viele Organisationen, in denen künstliche Intelligenz in automatisierten Systemen nicht gut dokumentiert oder verstanden ist. Es ist an der Zeit, dass die automatisierte Entscheidungsfindung aus dem Schatten tritt und Verantwortung übernimmt.

Wenn sich automatisierte Entscheidungen direkt oder indirekt auf das Leben von Menschen auswirken und Maschinen auf schädliche Weise diskriminieren können, müssen Organisationen aufstehen, aufmerksam werden und Maßnahmen ergreifen, um sicherzustellen, dass künstliche Intelligenz so ethisch wie möglich intelligent umgesetzt wird.

Schritt Eins

Unternehmen und Regierungsorganisationen sollten gleichermaßen danach streben, das höchste Schutzniveau für jede von ihnen eingesetzte Maschinentechnologie zu erreichen. Zu Beginn jedes Automatisierungsprojekts müssen Unternehmen eine rechtliche, datenschutzbezogene und ethische Folgenabschätzung durchführen, um zu bestätigen, dass die Risiken vollständig verstanden sind und zufriedenstellend gemindert werden können. Dadurch wird auch sichergestellt, dass die am besten geeignete Lösung ausgewählt wird, um ein akzeptables Risikoniveau festzulegen und gleichzeitig einen Mehrwert zu schaffen.

Diese Bewertungen sollten von einem multidisziplinären, objektiven Prüfteam genehmigt werden, das über ein Vetorecht bei allen problematischen Aspekten des Projekts verfügt, einschließlich Bereitstellungsmethoden, Automatisierungsgraden und Regressmöglichkeiten. Die Bereitstellung muss ein kollaborativer Prozess zwischen Daten-/Technologieteams und Unternehmensführungsteams sein, um Best-Practice-Ethik in Daten und Analysen umzusetzen.

Einsatz

Der Bericht des Bürgerbeauftragten enthält einige starke Empfehlungen zu bewährten Verfahren bei der Gestaltung und Implementierung von Maschinentechnologie. Dennoch glauben wir, dass alle Organisationen verpflichtet sind, mindestens die folgenden Best Practices zu berücksichtigen:

  • Ethische Überlegungen zu Fairness, Transparenz, Schadensfreiheit, Privatsphäre, Respekt für Autonomie und Rechenschaftspflicht erfordern Alle Organisationen, die eine Maschinentechnologie implementieren, müssen sicherstellen, dass diese für alle betroffenen Gruppen mit höchster Genauigkeit funktioniert #
  • Es gibt Prozesse, um schädliche Folgen zu erkennen und zu mildern.
  • Menschen können ihre Einwilligung nach Aufklärung zur Teilnahme an dem Prozess geben gelten als ungerecht.
  • Die Entwicklung und Bereitstellung jeder Maschinentechnologie sollte iterativ erfolgen, beginnend mit einer ethischen Überprüfung der Genauigkeit auf der Grundlage historischer Daten, um eine konsistente Leistung in der gesamten Stichprobenpopulation sicherzustellen. Wenn einige Gruppen deutlich schlechter abschneiden, müssen mehr Daten eingeholt werden, um eine angemessene Darstellung aller Gruppen sicherzustellen.
  • Wenn Risiken schädlicher Folgen erkannt werden, sollte die Bereitstellung gleichermaßen iterativ und vorsichtig erfolgen, beginnend mit einer Human-in-the-Loop-Lösung, um die menschliche Aufsicht sicherzustellen und gleichzeitig Vertrauen in die Modell- oder Systemleistung zu gewinnen.
Das soll nicht heißen, dass der menschliche Entscheidungsprozess narrensicher ist. Es bietet lediglich die Möglichkeit, die Ausgabe vor der Bereitstellung zu verstehen und abzufragen. Dieser Prozess sollte mit dem vertrauenswürdigsten Bediener durchgeführt werden, um die Möglichkeit einer erneuten Einbeziehung menschlicher Voreingenommenheit in den Prozess zu verringern. Darüber hinaus sollten alle am Prozess Beteiligten über eine Schulung zu unbewussten Vorurteilen verfügen.

Einmal in der Produktion muss die laufende Genauigkeit und Leistung jeder Maschinentechnologie kontinuierlich gemessen und überwacht werden. Zusammen mit bestehenden KPIs sollte diese Leistung berichtsfähig und im gesamten Unternehmen sichtbar sein.

review

Jede Organisation, die algorithmische Entscheidungsfindung implementiert, muss über einen objektiven ethischen Überprüfungsprozess verfügen, der sowohl quantitative als auch qualitative Überlegungen umfasst. Die Modellleistung sollte anhand dieser ethischen Kennzahlen überwacht werden, um Leistungsanomalien für Minderheitengruppen und etwaige Leistungsänderungen im Laufe der Zeit zu verstehen. Das Modell kann dann im Rahmen des betrieblichen Prozesses fortlaufend angepasst und angepasst werden.

Auch wenn die Umsetzung entmutigend erscheinen mag, müssen Unternehmen ihr Verständnis und die Umsetzung ethischer Überlegungen in ihren KI- und maschinellen Lernprojekten verbessern. Unternehmen sollten bei der Verwaltung der Leistung und Auswirkungen ihrer automatisierten Entscheidungen einen „Problem-Überprüfung-Maßnahmen-Verbesserung“-Ansatz verfolgen, um ethische Ergebnisse sicherzustellen.

Das obige ist der detaillierte Inhalt vonWie kann ein ethischer Einsatz von KI-Implementierungen sichergestellt werden?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

AI Hentai Generator

AI Hentai Generator

Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

R.E.P.O. Energiekristalle erklärten und was sie tun (gelber Kristall)
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Beste grafische Einstellungen
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. So reparieren Sie Audio, wenn Sie niemanden hören können
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Wie man alles in Myrise freischaltet
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Jun 28, 2024 am 03:51 AM

Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Jun 10, 2024 am 11:08 AM

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Sieben coole technische Interviewfragen für GenAI und LLM Sieben coole technische Interviewfragen für GenAI und LLM Jun 07, 2024 am 10:06 AM

Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren

Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Jun 11, 2024 pm 03:57 PM

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Jul 25, 2024 am 06:42 AM

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Jun 05, 2024 pm 08:51 PM

Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist

SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen Jul 17, 2024 pm 06:37 PM

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

GlobalFoundries erschließt Märkte wie KI und erwirbt die Galliumnitrid-Technologie von Tagore Technology und zugehörige Teams GlobalFoundries erschließt Märkte wie KI und erwirbt die Galliumnitrid-Technologie von Tagore Technology und zugehörige Teams Jul 15, 2024 pm 12:21 PM

Laut Nachrichten dieser Website vom 5. Juli veröffentlichte GlobalFoundries am 1. Juli dieses Jahres eine Pressemitteilung, in der die Übernahme der Power-Galliumnitrid (GaN)-Technologie und des Portfolios an geistigem Eigentum von Tagore Technology angekündigt wurde, in der Hoffnung, seinen Marktanteil in den Bereichen Automobile und Internet auszubauen Anwendungsbereiche für Rechenzentren mit künstlicher Intelligenz, um höhere Effizienz und bessere Leistung zu erforschen. Da sich Technologien wie generative künstliche Intelligenz (GenerativeAI) in der digitalen Welt weiterentwickeln, ist Galliumnitrid (GaN) zu einer Schlüssellösung für nachhaltiges und effizientes Energiemanagement, insbesondere in Rechenzentren, geworden. Auf dieser Website wurde die offizielle Ankündigung zitiert, dass sich das Ingenieurteam von Tagore Technology im Rahmen dieser Übernahme mit GF zusammenschließen wird, um die Galliumnitrid-Technologie weiterzuentwickeln. G

See all articles