専門家の意見: 監視のない AI は倫理的偏見を生み出す
ビジネスの倫理的ジレンマでは、透明性が重要な役割を果たすことがよくあります。情報が多ければ多いほど、何が許容可能な結果であり、何が許容不可能な結果であるかを判断することが容易になります。財務が正しくない場合、会計上の間違いを犯したのは誰でしょうか?データが侵害された場合、誰がデータを保護する責任を負いますか? 彼らは正しく行動しますか?
しかし、バグや問題の明確な原因を探しても誰も見つからない場合はどうなるでしょうか?ここで、人工知能は独自の倫理的考慮事項を提起します。
人工知能は組織において大きな可能性を示していますが、依然として問題を探索するための解決策としての役割を果たしています。これは誤解された概念であり、実際のアプリケーションはまだ企業内で完全に実現されていません。多くの企業には真に革新的な方法で AI を適用するための予算、人材、ビジョンが欠けているという事実と相まって、AI は依然としてクリティカルマスに達しておらず、悪用される傾向があります。
しかし、AI が日常のビジネスであまり目に見えないからといって、組織内のどこかで AI が果たすべき役割がないわけではありません。ビジネスにおける他の多くの倫理的ジレンマと同様、人工知能における倫理的欠陥は影で発生することがよくあります。意図的かどうかに関係なく、AI プロジェクトやアプリケーションが倫理的な限界を押し広げた場合、悪夢のような結果が生じる可能性があります。 AI における倫理的欠陥を回避する鍵は、プロジェクトの最初からコーポレート ガバナンスを導入することです。
透明性と信頼性を備えた AI の構築
今では、AI が失敗したよくある例を私たちはよく知っています。肌の色が黒い顧客には適切に機能しない石鹸ディスペンサー、白人にとってはより正確なパルスオキシメーター、さらには犯罪者が刑務所に戻るかどうかを予測するアルゴリズムさえも、すべて人工知能です(おそらく意図的ではありません)。
こうした状況は、悪い見出しやソーシャルメディアの反発を生むだけでなく、テクノロジーが不信の目で見られ続ければ不可能となる、より正当な AI のユースケースを損なうことにもなります。たとえば、ヘルスケアに限っても、AI はがん診断を改善し、再入院のリスクが高い患者にフラグを立てて追加のサポートを求める可能性を秘めています。 AI に対する人々の信頼を築く方法を学ばない限り、これらの強力なソリューションの利点を最大限に活用することはできません。
同僚やビジネス リーダーと AI について話すとき、私は当初から AI の取り組みにおける透明性とガバナンスの考え方を支持してきました。より具体的には、私の提案は次のとおりです:
1. 倫理的な AI は孤立した状態では実現できません
AI アプリケーションが適切に実装されていない場合、重大な波及効果が生じる可能性があります。これは、単一の部門または IT チームが監督なしで AI 主導のプロセスの実験を開始したときによく発生します。チームは、実験が失敗した場合に生じる可能性のある倫理的影響を認識していますか?導入は会社の既存のデータ保持およびアクセス ポリシーに準拠していますか?監督なしでは、これらの質問に答えるのは困難です。
そして、ガバナンスがなければ、倫理上の誤りが発生した場合にそれを正すために必要な関係者を集めることがより困難になる可能性があります。監視はイノベーションに対する障壁ではなく、AI が特定の倫理的境界内で動作することを確認するために必要なチェックであると見なされるべきです。監視は最終的には、CDO を所有する組織の最高データ責任者、または CDO の役割が存在しない場合は最高情報責任者が担当する必要があります。
2. 常に計画を立てる
AI プロジェクトの失敗に関する最悪の見出しには、多くの場合 1 つの共通点があります。質問をしたり、決定について説明したりする。監視することでこの問題を解決できます。 AI に対する理解と健全な哲学が組織の最高レベルにあれば、問題に盲目になる可能性は低くなります。
3. デューデリジェンスとテストは必須です
忍耐強くテストを重ねることで、AI バイアスの多くの古典的な例を軽減できます。手指消毒剤ディスペンサーの例と同様に、企業が自社の新技術を誇示しようとする興奮は、最終的には裏目に出ます。製品が一般にリリースされる前に、さらなるテストによってこの偏りが明らかになる可能性があります。さらに、AI アプリケーションは最初から厳しく審査される必要があります。 AI は複雑で潜在力が不確実であるため、戦略的かつ慎重に使用する必要があります。
4. 人工知能による監視機能を検討する
顧客のプライバシーを保護するために、金融機関は機密ファイルへのアクセスの管理に多大なリソースを投資しています。同社の記録チームは資産を慎重に分類し、適切な職務と部門のみが各資産を閲覧できるようにインフラストラクチャを構築します。この構造は、組織の AI ガバナンス機能を構築するためのテンプレートとして機能します。専任チームは、AI アプリケーションの潜在的なプラスまたはマイナスの影響を推定し、その結果をどのくらいの頻度で誰がレビューする必要があるかを決定できます。
デジタル破壊を求める企業にとって、人工知能の実験は重要な次のステップです。これにより、人間の作業者が日常的な作業から解放され、画像分析などの特定のアクティビティを、これまで経済的に慎重ではなかった方法で拡張できるようになります。しかし、これは軽視できることではありません。 AI アプリケーションは、偏見、倫理的に問題のある決定、悪いビジネス結果を避けるために、慎重に適切な監督のもとに開発する必要があります。組織内で AI の取り組みに関する適切なトレーニングを受けていることを確認してください。最も深刻な道徳的過失は、暗い場所で発生することがよくあります。
以上が専門家の意見: 監視のない AI は倫理的偏見を生み出すの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性を実証しています。 「S」で始まる関連研究

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

8月1日の本サイトのニュースによると、SKハイニックスは本日(8月1日)ブログ投稿を発表し、8月6日から8日まで米国カリフォルニア州サンタクララで開催されるグローバル半導体メモリサミットFMS2024に参加すると発表し、多くの新世代の製品。フューチャー メモリおよびストレージ サミット (FutureMemoryandStorage) の紹介。以前は主に NAND サプライヤー向けのフラッシュ メモリ サミット (FlashMemorySummit) でしたが、人工知能技術への注目の高まりを背景に、今年はフューチャー メモリおよびストレージ サミット (FutureMemoryandStorage) に名前が変更されました。 DRAM およびストレージ ベンダー、さらに多くのプレーヤーを招待します。昨年発売された新製品SKハイニックス
