+8618675556018

인공 지능이 따라야 할 윤리적 원칙은 무엇입니까?

Jul 27, 2022

데이터 과학이 더욱 정교해지고 소비자가 점점 더 개인화된 고객 경험을 요구함에 따라 AI는 기업이 고객과 청중을 더 잘 이해할 수 있도록 돕는 도구입니다. 그러나 AI가 전 세계의 모든 잠재력을 가지고 있다고 해도 남아 있는 윤리적 문제를 해결하는 방법을 알아내지 못하면 그 잠재력이 결코 실현되지 않을 수 있습니다. 이 기술이 발전함에 따라 AI 전략을 구현하려는 모든 리더가 염두에 두어야 할 한 가지 질문은 윤리적이고 책임감 있는 방식으로 기업 내에서 AI 사용을 극대화하는 방법입니다. 위험을 최소화하고 편견을 줄이며 AI의 가치를 높이는 동시에 긍정적인 투자 수익을 제공하는 AI 기능을 구현 및 확장하려면 조직은 다음 4가지 원칙을 따라야 합니다.

 

1. 목표, 목표 및 위험 이해

 

약 7년 전, 한 조직은 향후 10년 동안 사회와 비즈니스를 변화시킬 기술을 예측하면서 "신흥 기술에 대한 과장된 사이클"이라고 부르는 것을 발표했습니다. 인공 지능은 이러한 기술 중 하나입니다. 보고서의 발표로 기업들은 애널리스트와 투자자들에게 자신이 AI에 정통하다는 것을 증명하기 위해 분주하게 움직이고 있으며 많은 기업이 비즈니스 모델에 AI 전략을 적용하기 시작했습니다. 그러나 때때로 이러한 전략은 제대로 실행되지 않는 것으로 판명되어 기존 분석 또는 수치 목표에 대한 사후 고려로만 사용할 수 있습니다. 기업이 AI가 해결하고자 하는 비즈니스 문제를 명확하게 이해하지 못하기 때문입니다. 기업에서 개발한 AI 및 ML 모델의 10%만 구현됩니다. AI는 문제의 비즈니스와 AI를 사용하여 문제를 해결할 수 있는 데이터 과학자 간의 역사적 단절에 뒤쳐져 있습니다. 그러나 데이터 성숙도가 높아짐에 따라 기업은 결과를 발견하고 변환해야 하는 마케팅 비즈니스와 같은 다양한 가치 사슬에 데이터 번역기를 통합하기 시작했습니다. 그렇기 때문에 윤리적 AI 전략 개발의 가장 중요한 원칙은 모든 목표, 목표 및 위험을 이해한 다음 기업 내에서 AI에 대한 분산된 접근 방식을 만드는 것입니다.

 

2. 편견과 차별에 대처하기

 

AI 솔루션이 편견을 해결하기 위해 제대로 개발된 적이 없기 때문에 크고 작은 비즈니스가 평판 손상을 입었고 고객은 이를 신뢰하지 않습니다. 따라서 AI 모델을 만드는 기업은 솔루션이 해를 끼치지 않도록 선제적 조치를 취해야 합니다. 이를 수행하는 방법은 알고리즘의 예측에 부정적인 영향을 미치지 않도록 프레임워크를 만드는 것입니다. 예를 들어 기업이 설문조사를 통해 고객의 감정을 더 잘 이해하려는 경우(예: 소수의 커뮤니티가 서비스를 인식하는 방식) 데이터 과학을 사용하여 이러한 고객 설문조사를 분석하고 응답의 일부가 영어가 아닌 다른 언어로 되어 있음을 인식할 수 있습니다. AI 알고리즘이 이해할 수 있는 유일한 언어. 이 문제를 해결하기 위해 데이터 과학자는 알고리즘을 수정할 수 있을 뿐만 아니라 언어의 복잡한 뉘앙스를 통합할 수도 있습니다. 이러한 언어적 뉘앙스를 이해하고 AI를 보다 유창한 언어와 결합하여 이러한 결론을 보다 실행 가능하게 만들 수 있다면 기업은 고객 경험을 개선하기 위해 대표성이 낮은 커뮤니티의 요구를 이해할 수 있을 것입니다.

 

3. 전체 범위의 기본 데이터 개발

 

AI 알고리즘은 대규모 데이터 세트를 분석할 수 있으며 기업은 AI 모델이 사용하고 수집하는 데이터 표준을 위한 프레임워크 개발에 우선순위를 두어야 합니다. AI를 성공적으로 구현하려면 총체적이고 투명하며 추적 가능한 데이터 세트가 필수적입니다. AI는 인간의 간섭을 고려해야 합니다. 속어, 약어, 암호어 등 인간이 지속적인 진화를 기반으로 개발한 수많은 단어는 고도로 기술적인 인공 지능 알고리즘을 잘못 만들 수 있습니다. 이러한 인간의 뉘앙스를 처리할 수 없는 AI 모델은 결국 전체 데이터 세트가 부족하게 됩니다. 필요한 정보가 있지만 주요 사각지대가 없는 백미러 없이 운전하려고 하는 것과 같습니다. 기업은 AI 모델이 이러한 복잡한 구분을 이해하기 위해 과거 데이터와 인간 개입 사이의 균형을 찾아야 합니다. 정형 데이터와 비정형 데이터를 결합하고 AI를 학습시켜 둘 다 인식함으로써 보다 포괄적인 데이터 세트를 생성하고 예측 정확도를 높일 수 있습니다. 또한 데이터 세트에 대한 제3자 감사는 편향과 불일치가 없는 추가적인 이점이 될 수 있습니다.

 

4. 알고리즘 개발의 '블랙박스'를 피하라

 

접근 방식 AI가 윤리적이려면 완전히 투명해야 합니다. 투명하고 설명 가능하며 설명 가능한 AI 전략을 개발하기 위해 기업은 알고리즘의 각 노드가 결론을 도출하고 결과를 해석하는 방법을 이해하기 위해 코드의 "블랙 박스"를 열어야 합니다. 간단하게 들리지만 이를 달성하려면 생성되는 다양한 하위 예측을 표시하기 위해 기본 코드를 살펴봄으로써 모델 및 알고리즘 동작을 해석할 수 있는 강력한 기술 프레임워크가 필요합니다. 기업은 오픈 소스 프레임워크에 의존하여 다음을 포함한 여러 차원에서 AI 및 ML 모델을 평가할 수 있습니다.

 

기능 분석: 기존 모델에 새로운 기능을 적용할 때의 영향 평가

 

노드 분석: 예측의 하위 집합 설명

 

로컬 분석: 개별 예측 및 일치하는 기능을 해석하여 결과 개선

 

●글로벌 분석: 전체 모델 동작 및 주요 기능에 대한 하향식 검토를 제공합니다. 인공 지능은 기업이 주의하지 않으면 많은 잠재적인 함정이 있는 복잡한 기술입니다.

 

성공적인 AI 모델은 사후가 아니라 첫날부터 윤리를 우선시해야 합니다. 산업과 비즈니스 전반에 걸쳐 AI는 만병통치약이 아니지만 혁신을 이뤄야 하는 한 가지 공통 분모는 투명하고 편향되지 않은 예측에 대한 약속입니다.


문의 보내기