然而,对于这个巨大的想法和挑战的问题和挑战,人们有不同的看法。人工智能方法. 随着锁定期间采用的势头越来越大,许多人仍然担心这种变化。由于一些组织因其人工智能系统中的漏洞而成为负面头条新闻,这一警报令人不安。
疫情正在塑造全球经济后果. 削减成本的措施正在为克服损失铺平道路,这是所有组织最关心的问题。因此,人工智能的采用率似乎将进行重构。同时,作为根据麦肯锡全球人工智能调查,人工智能证明了它的价值,但很少有规模影响, 大多数公司仍然看到了好处。
提高业务效率和可视化长期目标以防病毒流行的时间超过预期是当前的喧嚣。毫无疑问,公司正在分析潜在的感染区域,削减员工以保持社交距离,因疾病而受到制裁,消毒成本等等——这些因素与生产和服务流程成正比。生产线的中断涉及大多数董事会。
尽管人工智能系统了解数据以做出决策并提供不可否认的好处,人工智能也有其深刻的风险和问题清单。技术系统是公司决策、变革和战略的驱动力。如果输入的数据不卫生且未经过滤,则有可能对组织的内部和外部声誉构成严重威胁。
毫无疑问,系统会根据输入的数据进行学习和调整。系统的开发基于学习和分析数据;每个结果都基于数据的模式。人工智能也将学习数据的模式和设计并采取相应的行动。如果组织有歧视的过去,社会差异,以及某种心态的影响,数据会清楚地表现出来。人工智能系统将遵循相同的模式来获得未来的结果,这为组织破译和解决创造了一个无形的漏洞。未来 5 年,数量人工智能和有偏见的系统根据 IBM 的一份报告,算法将会增加。
挑战在于,尽管人工智能可以成为支持决策制定的强大工具,但“在人工智能系统基于历史数据模式的假设的情况下,存在偏见的危险”,说布赖恩·克罗普,Gartner的研究副总裁。
为了理解,考虑亚马逊招聘2015 年初设计的基于人工智能的系统。其目的是通过自动化过滤审查工作申请。然而,系统中使用的数据考虑了过去 10 年的简历,这些简历显示出男性候选人占主导地位。因此,该系统学会了对女性求职者的评分远低于男性求职者。由于不可逆的学习和数据中的特定问题,许多监管系统的尝试都失败了。
亚马逊因其对女性工作权力的偏见而成为媒体的负面头条新闻。结果,该组织的声誉受到严重影响,也影响了女性客户群。
知名度和长期业务弹性基于品牌/组织的价值和商誉。忠实客户倾向于从在市场上享有盛誉的公司购买更广泛的产品和服务。具有积极和良好声誉的公司会吸引更多人,因为客户将声誉与信任和服务或产品质量联系起来。
所以,人为干预对于人工智能系统的成功至关重要。建立能够不时进行人工监督的系统是避免声誉危害的重要需求。人工智能和机器学习训练有素,因此为什么需要定期人工监督才能了解系统正在学习的模式。定期制定战略和设计解决方案将缓解未来的复杂性。
相关帖子DA内容精选 |