A felelős MI (responsible AI) kifejezés arra a koncepcióra utal, amikor a mesterséges intelligenciát eleve azzal a szándékkal tervezik, fejlesztik és telepítik, hogy segítse a vállalkozások és alkalmazottaik munkáját, miközben az ügyfelekre és a társadalomra gyakorolt hatását a méltányosság és a jogszerűség jellemzi. Ez egyrészt hozzájárul a szükséges bizalom felépítéséhez, másrészt elengedhetetlennek tartják az ilyen megoldások megbízható felskálázásához is. Az etikai kockázatok jelentősége az MI-technológiák fejlődésével párhuzamosan növekszik, az Appen idei State of AI and Machine Learning jelentéséből pedig kiderül, hogy a nyugati technológiai vezetők túlnyomó része már ezt tartja az új mesterségesintelligencia-projektek alapjának.
A gépi intelligencia betanításához szükséges adatkészletek előállításával és feljavításával foglalkozó vállalat több mint 500 amerikai, brit, ír és német döntéshozó válaszait dolgozta fel idén júniusban. Ezek most 93 százalékban szóltak a felelős MI fundamentális szerepéről, de az is kiderült, hogy sokan próbálnak ilyesmit építeni nem megfelelő minőségű adatkészletekkel, amit jelentős akadálynak tartanak a céljaik elérésében. A válaszadóknak ezúttal már 51 százaléka értett egyet azzal, hogy az adatok pontossága kulcsfontosságú az általuk képviselt felhasználási esetekben, 42 százalékuk szerint azonban nagy kihívást jelent a data sourcing, vagyis a belső és külső forrásból származó adatok kinyerése és integrációja.
Keresik a megfelelő "adatpartnert"
A mesterséges intelligencia életciklusán belül ezek szerint erre irányul az erőfeszítések legnagyobb része, amit hihetetlenül nagy vállalkozás egyedül kezelni. A felmérésben részt vevők szinte mindegyike, 95 százaléka értett egyet vele, hogy az előre felcímkézett vagy szintetikus adatok kulcsfontosságúvá válnak az inkluzív adatkészletek létrehozásához, az érintettek nagyjából 90 százaléka pedig arról is beszámolt, hogy legalább negyedévente újra kell tanítania a modelleket. A cégek egyébként 88 százalékban támaszkodnak külső adatszolgáltatókra, de 83 százalékban egy olyan külső partnert tartanának ideálisnak, akire a data sourcing folyamatában egyetlen forrásként támaszkodhat a mesterséges intelligencia életciklusának minden szakaszában, biztosítva az adatok egyenletes minőségét.
Érdekes, hogy a döntéshozók bizonytalannak tűnnek abban a kérdésben, hogy szervezetük pontosan hol is tart a mesterséges intelligencia adaptációjában: 49 százalékuk úgy gondolja, hogy megelőzi a riválisait, míg ugyanekkora részük, másik 49 százalékuk úgy látja, hogy partiban van velük. A saját előnyükről nyilatkozók aránya látványosan csökkent az elmúlt években, és az amerikaiakra jobban jellemző ez a meggyőződés, mint az európaiakra.
Részletek az Appen State of AI and Machine Learning riportjában »
Digitalizáció a mindennapokban: hogyan lesz a stratégiai célból napi működés?
A digitális transzformáció sok vállalatnál már nem cél, hanem elvárás – mégis gyakran megreked a tervezőasztalon. A vezetői szinten megfogalmazott ambiciózus tervek nehezen fordulnak át napi működéssé, ha hiányzik a technológiai rugalmasság vagy a belső kohézió.
CIO KUTATÁS
AZ IRÁNYÍTÁS VISSZASZERZÉSE
Valóban egyre nagyobb lehet az IT és az IT-vezető súlya a vállalatokon belül? A nemzetközi mérések szerint igen, de mi a helyzet Magyarországon?
Segítsen megtalálni a választ! Töltse ki a Budapesti Corvinus Egyetem és a Bitport anonim kutatását, és kérje meg erre üzleti oldalon dolgozó vezetőtársait is!
Az eredményeket május 8-9-én ismertetjük a 16. CIO Hungary konferencián.
Nyílt forráskód: valóban ingyenes, de használatának szigorú szabályai vannak