NIỀM TIN LÀ NỀN TẢNG CỦA MỌI THỨ KỂ CẢ TRÍ TUỆ NHÂN TẠO TẠI SIEMENS

Để theo dõi cuộc phỏng vấn podcast gần đây của tôi đề cập đến chủ đề tiêu chuẩn đạo đức về Trí tuệ nhân tạo với Ron Bodkin, tôi cũng muốn nói thêm một chút suy nghĩ của mình về AI tại Siemens: “Cách để chúng tôi dẫn đầu chính là sự tin tưởng’’.

Một ví dụ như việc chúng tôi khởi xướng Hiến chương Tin cậy về an ninh mạng. Chiến dịch Giáo dục về Trí tuệ nhân tạo đối với toàn công ty cũng là một minh chứng cho sự khẳng định này về phương pháp tiếp cận “đáng tin cậy” đối với các hệ thống mà chúng tôi tạo ra. Chúng tôi đã ứng dụng Trí tuệ nhân tạo công nghiệp trong nhiều năm và tin rằng muốn sử dụng rộng rãi đòi hỏi phải đầu tư thêm vào nghiên cứu và phát triển cũng như tập trung nhiều hơn vào giáo dục và phát triển kỹ năng ở toàn bộ các phòng ban, kể cả những phòng ban đang được thành lập và sử dụng công nghệ này.

Tính độc đáo của hệ thống Trí tuệ nhân tạo chủ yếu nằm ở khả năng cập nhật, năng lực mở rộng quy mô để thực hiện các tác vụ phức tạp thông qua sự hiểu biết – điều tôi nói ở đây là “trí thông minh thực tiễn”. Trí thông minh thực tiễn mang lại cho Trí tuệ nhân tạo khả năng định hướng các sản phẩm công nghiệp hoặc hệ sinh thái hướng tới các mục tiêu cụ thể. Trí tuệ nhận tạo được tín nhiệm để đạt được mục tiêu nếu nó giải quyết được các vấn đề về mặt kĩ thuật, tôn trọng pháp luật và tuân thủ các nguyên tắc đạo đức.

Tại Siemens, chúng tôi cam kết tuân thủ các nguyên tắc giữa doanh nghiệp với người tiêu dùng và doanh nghiệp với doanh nghiệp, đề cao sự công bằng và tránh thiên vị. Các vấn đề như khả năng giải thích, quyền riêng tư và bảo vệ dữ liệu khách hàng, nghĩa vụ và trách nhiệm giải trình trong quá trình phát triển sản phẩm và cố gắng hết sức để đảm bảo rằng “không gây hại” vốn có trong hệ thống chúng tôi tạo ra, tất cả đều được giảng dạy và thực hành đối với tất cả các phòng ban của chúng tôi.

Trên phương diện khách hàng, việc triển khai hệ thống dựa vào Trí tuệ nhân tạo không nên được xem như một dự án công nghệ thông tin kiểu thác nước truyền thống. Để đạt được thành công với Trí tuệ nhân tạo, các nhà lãnh đạo ngành công nghiệp kỹ thuật số phải xem xét lại cách tiếp cận để triển khai Trí tuệ nhân tạo vào môi trường làm việc của họ và lên kế hoạch cẩn thận. Ví dụ: nếu dữ liệu bias được sử dụng để đào tạo một mô hình Trí tuệ nhân tạo thì chu trình phản hồi của mô hình đó sẽ dễ bị sai lệch hơn.

Lấy ví dụ tại một nhà máy, các phòng ban quan trọng của xưởng sản xuất được giám sát chặt chẽ hơn các phòng ban khác. Bởi vì mô hình có thể sẽ bị sai lệch, nhiều sai sót sẽ được phát hiện ở bộ phận đó, dẫn đến việc giám sát thậm chí còn khắt khe hơn mà chu kỳ vẫn tiếp tục.

Việc giám sát như vậy ở xưởng sản xuất có thể sẽ mang lại kết quả tích cực và tiêu cực. Việc sử dụng Glass EE2 hoặc HoloLens II có thể giảm thiểu sai sót và thậm chí hỗ trợ giám sát sức khỏe và tinh thần của mỗi công nhân trong khi làm việc. Mặt khác, do chu kỳ phản hồi của ML có thể hiển thị sai lệch không mong muốn và tăng thêm sự giám sát không phù hợp. Tệ hơn nữa, nó có thể bị người giám sát có quyền truy cập vào dữ liệu sức khỏe cá nhân của nhân viên để sử dụng với mục đích xấu khiến một nhân viên cụ thể không thích người giám sát đó và/ hoặc nhiệm vụ được giao hoàn toàn dựa vào trạng thái cảm xúc của nhân viên đó!

Chúng tôi đang xem xét các kỹ thuật như Học liên kết, Tính toán đa bên an toàn và Quyền riêng tư khác biệt để giải quyết những lo ngại này. Tôi sẽ trình bày các chủ đề này một cách chặt chẽ hơn ở một bài viết trong tương lai.

Tóm lại, trong một thế giới ngày càng được liên kết rộng hơn thông qua kết nối mạng, niềm tin là cơ sở cho mọi thứ. Ngay cả trong lĩnh vực Trí tuệ nhân tạo công nghiệp không mấy nổi bật, khác xa với phần mềm dựa trên đánh giá của người tiêu dùng và phương tiện truyền thông đại chúng, nơi đòi hỏi nhiều niềm tin hơn. Khách hàng yêu cầu bất kỳ hệ thống nào chúng tôi cung cấp đều phải có cấu hình mạnh, tuân thủ các quy định pháp luật và không được trái với các quy chuẩn đạo đức. Thách thức nói chung đối với các lập trình viên Trí tuệ nhân tạo – những người chúng tôi gặp tại Siemens là cẩn thận hạn chế với chức năng phần thưởng của các mô hình đã tạo ra để đảm bảo đem lại trạng thái kết quả như mong muốn. Chúng tôi cũng phải thiết lập hàng rào bảo vệ cho cấu trúc của các hệ thống dựa trên nền tảng Trí tuệ nhân tạo trước những hậu quả không mong muốn và mục đích sử dụng có hại.

Tôi thừa nhận không phải tất cả những thách thức đều dễ dàng nhưng đó là điều mà chúng tôi sẽ phải đối mặt. Vì tại Siemens, chúng tôi được truyền cảm hứng để xây dựng mối quan hệ tin cậy và hiệu quả với đối tác và khách hàng của mình.

Nguồn: Siemens

Leave a Reply

Your email address will not be published.