Wang Yizhou dari Universiti Peking: Menggilap kad perniagaan penyelidikan AI yang boleh dipercayai memerlukan integrasi industri, akademik dan penyelidikan

Kecerdasan Buatan (AI) berasal dari tahun 1950-an dan telah mengalami tiga gelombang pembangunan, sama ada peringkat makmal atau peringkat perindustrian berskala besar memajukan teknologi mereka selama beberapa dekad, dengan harapan bahawa suatu hari nanti mesin akan mempunyai kecerdasan umum manusia dan melakukan pelbagai kebolehan kognitif manusia.

Dalam beberapa tahun kebelakangan ini, untuk menjadikan AI berkembang dengan lebih sihat, bidang teknikal menjadi tumpuan penyelidikan dalam industri dan akademik: AI yang boleh dipercayai, iaitu nilai-nilai positif masyarakat manusia, melalui teknologi Diberikan kepada kecerdasan buatan, termasuk kebolehjelasan, keadilan, perlindungan privasi dan keadilan.

Dari peringkat penyelidikan akademik, Trustworthy AI tertumpu terutamanya pada penyelidikan peringkat algoritma dan sistem, termasuk keselamatan/keteguhan, kebolehjelasan, privasi, kesaksamaan, Kebolehauditan/akauntabiliti, perlindungan alam sekitar. Kebolehtafsiran termasuk kebolehtafsiran teori, kebolehtafsiran algoritma, dan kebolehtafsiran tingkah laku kaedah atau model pembelajaran terutamanya tertumpu pada penyelidikan kestabilan model, model serangan dan model pertahanan merujuk kepada permainan langsung antara kaedah serangan dan perlindungan dan pembelajaran bersekutu berbilang pusat tertumpu pada penyelidikan berat sebelah bagi pelbagai data dan model, dan keseimbangan kesaksamaan dan kesaksamaan manakala perlindungan alam sekitar merujuk kepada mengejar strategi kecekapan tenaga yang tinggi dan perkakasan pengkomputeran yang lebih cekap tenaga;

Berbeza dengan penyelidikan akademik AI yang boleh dipercayai, syarikat lebih tertumpu pada cadangan penyelesaian kepada masalah semasa. Sebagai contoh, pada 2015, Ant Group melancarkan projek penyelidikan risiko kehilangan telefon mudah alih berdasarkan "ciri akhir", yang bertujuan untuk menggunakan teknologi AI untuk melindungi privasi dan keselamatan pengguna. Untuk menyelesaikan isu keadilan dalam AI, IBM membangunkan berbilang alat boleh dipercayai AI pada 2018 untuk menggunakan set data dan model yang tidak berat sebelah dalam sistem AI untuk mengelakkan ketidakadilan kepada kumpulan tertentu. Industri telah menjadi lebih menuntut penggunaan AI yang boleh dipercayai, dengan kadar toleransi kesalahan yang lebih tinggi. Banyak kertas putih Trusted AI menyebut bahawa untuk Trusted AI benar-benar membuahkan hasil, ia perlu dimasukkan ke dalam proses pengeluaran supaya ia menjadi mekanisme dan memainkan peranan kekangan teknikal.

Pelajar muda adalah simpanan penting bagi bakat teknikal. Bagi pelajar muda yang mempelajari AI yang boleh dipercayai, bagaimana untuk bersedia untuk AI yang boleh dipercayai Dalam pengajian dan kehidupan semasa mereka, mereka harus memahami sempadan akademik dan trend teknologi terkini dalam industri, dan memikirkan teknologi yang boleh digunakan untuk masalah yang mana , secara aktif amati dan fahami dunia tempat kita tinggal, serta masalah permintaan industri dan kesesakan teknikal. Sebagai contoh, rancangan realiti teknologi AI yang dipercayai baru-baru ini telah dikaitkan dengan beberapa universiti terkemuka negara untuk memulihkan keupayaan teknologi AI yang dipercayai dalam aplikasi praktikal melalui aplikasi AI yang dipercayai dalam "anti-penipuan teknologi" dalam industri sedang dilakukan dalam akademik dan industri dalam bentuk yang semua orang boleh fahami, supaya pengamal teknikal dan penyelidik boleh mengambil bahagian secara mendalam di dalamnya.

Apabila melakukan penyelidikan AI, "kerumitan" ialah kata kunci. Kerumitan persekitaran, kerumitan tugas dan kerumitan sistem menentukan tahap AI. Penyelidikan mengenainya boleh mendedahkan prinsip penjanaan AI dan juga boleh menjawab persoalan utama AI, yang merupakan kesan muktamadnya terhadap nasib manusia. Penyelidikan AI yang boleh dipercayai pada masa hadapan juga mesti melihat nilai yang dibawa oleh AI kepada manusia dari perspektif analisis kerumitan, dan memerlukan usaha bersama daripada ahli akademik dan industri untuk mempromosikannya.

Atas ialah kandungan terperinci Wang Yizhou dari Universiti Peking: Menggilap kad perniagaan penyelidikan AI yang boleh dipercayai memerlukan integrasi industri, akademik dan penyelidikan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!