分享
随着人工智能 (AI) 潜力的增长，制定连贯的 AI 战略以利用 AI 确定优先级并执行企业目标的需求也在增长。除了阐明业务目标并规划组织可以使用 AI 实现这些目标的方式之外，每个 AI 战略还需要另一个极其重要的元素：道德准则。
人工智能的兴起带来了一个问题：谁应该负责确保这些强大的技 荷兰电话号码库 术得到负责任且安全的使用。道德之所以如此重要，是因为现在我们和我们打交道的组织之间有了机器智能。人工智能算法并不是中立的。它们是由人类构建的，因此在编程或使用时容易受到偏见的影响。在图像搜索、招聘软件、金融搜索和其他人工编程的人工智能应用中已经发现了偏见的例子。
建立道德标准不一定能改变人类行为，但它确实为企业如何通过人工智能算法和其他应用程序收集和使用数据奠定了理想和行为的基线。它降低了企业内部的风险，但也使组织能够向市场传达其标准和客户关怀的使命。
随着人工智能和机器学习技术成为我们日常生活的一部分，并且数据和大数据洞察变得人人皆可获取，首席数据官和数据团队作为公司的良心承担着非常重要的道德角色。
为了建立更好的行为规范，技术提供商可以遵循以下几条原则：
1.实用性：
确保你的算法清晰、有用，并且让用户满意（愉悦）。建立整体指标 — 不要只以收入为目标，还要考虑社会成果。努力衡量社会成果的领先指标。
2.同理心和尊重：
验证你的算法是否理解并尊重人们的显性和隐性需求。你的数据团队应具有多样性——努力代表你将部署算法的人群。避免同质化团队的盲目性。多元化的团队将努力拥有多元化的训练数据、更周到的功能集和更少的数据偏见。
3.信任：
努力使算法透明、安全且行为一致。虽然深度学习算法的可解释性很难，但请在可行的情况下探索替代算法或尽可能公开逻辑/规则。拥有集中的数据科学团队或卓越中心，以避免或减轻业务线偏见。例如，向销售部门报告的数据科学团队将倾向于销售目标的偏见。将数据科学团队集中起来可以避免这种偏见。但是，在某些情况下，您可能拥有一个中心辐射结构，其中业务线 (LOB) 数据科学团队与卓越中心保持一致以减轻这些偏见。
