AI Ethics คืออะไร?

คำนี้ฟังดูสูงส่ง แต่เป้าหมายที่แท้จริงนั้นใช้งานได้จริงอย่างยิ่ง นั่นคือการสร้างระบบ AI ที่ผู้คนไว้วางใจได้ เพราะระบบเหล่านี้ได้รับการออกแบบ สร้างขึ้น และใช้งานในลักษณะที่เคารพสิทธิมนุษยชน ลดอันตราย และให้ประโยชน์ที่แท้จริง แค่นั้นเอง ส่วนใหญ่ก็ประมาณนี้

บทความที่คุณอาจสนใจอ่านต่อหลังจากบทความนี้:

🔗 MCP ใน AI คืออะไร
อธิบายโปรโตคอลการคำนวณแบบโมดูลาร์และบทบาทใน AI

🔗 Edge AI คืออะไร
ครอบคลุมถึงการประมวลผลแบบ Edge ที่ช่วยให้ตัดสินใจเกี่ยวกับ AI ในพื้นที่ได้เร็วขึ้น

🔗 AI เชิงสร้างสรรค์คืออะไร
แนะนำโมเดลที่สร้างข้อความ รูปภาพ และเนื้อหาต้นฉบับอื่นๆ

🔗 เอเจนติกเอไอคืออะไร
อธิบายเกี่ยวกับตัวแทน AI อัตโนมัติที่มีความสามารถในการตัดสินใจโดยมุ่งเป้าหมาย

จริยธรรม AI คืออะไร? คำจำกัดความง่ายๆ 🧭

จริยธรรม AI คือชุดหลักการ กระบวนการ และกรอบแนวทางที่ชี้นำวิธีที่เราออกแบบ พัฒนา ใช้งาน และกำกับดูแล AI เพื่อรักษาสิทธิมนุษยชน ความยุติธรรม ความรับผิดชอบ ความโปร่งใส และความดีงามทางสังคม ลองนึกถึงมันเหมือนกฎเกณฑ์ประจำวันของอัลกอริทึม พร้อมการตรวจสอบเพิ่มเติมสำหรับจุดบกพร่องที่อาจเกิดข้อผิดพลาด

หลักเกณฑ์ระดับโลกสนับสนุนเรื่องนี้: คำแนะนำของ UNESCO ให้ความสำคัญกับสิทธิมนุษยชน การกำกับดูแลโดยมนุษย์ และความยุติธรรม โดยมีความโปร่งใสและความเป็นธรรมเป็นสิ่งที่ไม่สามารถต่อรองได้ [1] หลักการ AI ของ OECD มุ่งเป้าไปที่ ที่น่าเชื่อถือ ซึ่งเคารพคุณค่าประชาธิปไตย ในขณะเดียวกันก็ยังคงใช้งานได้จริงสำหรับทีมกำหนดนโยบายและวิศวกรรม [2]

กล่าวโดยสรุป จริยธรรม AI ไม่ใช่โปสเตอร์ติดผนัง แต่เป็นคู่มือที่ทีมต่างๆ ใช้เพื่อคาดการณ์ความเสี่ยง พิสูจน์ความน่าเชื่อถือ และปกป้องผู้คน กรอบการจัดการความเสี่ยง AI ของ NIST ถือว่าจริยธรรมเป็นเหมือนการจัดการความเสี่ยงเชิงรุกตลอดวงจรชีวิตของ AI [3]

อะไรทำให้มีจริยธรรม AI ที่ดี ✅

นี่คือเวอร์ชันตรงไปตรงมา โปรแกรมจริยธรรม AI ที่ดี:

เป็นแบบปฏิบัติจริง ไม่ใช่แบบเคลือบ - นโยบายที่ขับเคลื่อนการปฏิบัติทางวิศวกรรมและการตรวจสอบที่แท้จริง
เริ่มต้นที่การกำหนดกรอบปัญหา - หากวัตถุประสงค์ไม่ถูกต้อง การแก้ไขที่ยุติธรรมจะไม่สามารถบันทึกวัตถุประสงค์นั้นได้
การตัดสินใจด้านเอกสาร - เหตุใดจึงมีข้อมูลนี้ เหตุใดจึงมีแบบจำลองนี้ เหตุใดจึงมีเกณฑ์นี้
การทดสอบที่มีบริบท - ประเมินตามกลุ่มย่อย ไม่ใช่แค่ความแม่นยำโดยรวมเท่านั้น (ธีมหลักของ NIST) [3]
แสดงการทำงานของมัน - การ์ดโมเดล เอกสารชุดข้อมูล และการสื่อสารผู้ใช้ที่ชัดเจน [5]
สร้างความรับผิดชอบ - เจ้าของที่ได้รับการเสนอชื่อ เส้นทางการยกระดับ ความสามารถในการตรวจสอบ
สร้างสมดุลระหว่างการแลกเปลี่ยนแบบเปิด - ความปลอดภัย เทียบกับ ประโยชน์ใช้สอย เทียบกับ ความเป็นส่วนตัว เขียนลงไป
เชื่อมโยงกับกฎหมาย - ข้อกำหนดตามความเสี่ยงที่ปรับขนาดการควบคุมที่มีผลกระทบ (ดู EU AI Act) [4]

หากไม่สามารถเปลี่ยนแปลงการตัดสินใจเกี่ยวกับผลิตภัณฑ์ใดๆ ได้เลย ก็ไม่ถือเป็นจริยธรรม แต่ถือเป็นการตกแต่ง

คำตอบอย่างรวดเร็วสำหรับคำถามใหญ่: AI Ethics คืออะไร? 🥤

นั่นคือวิธีที่ทีมตอบคำถามที่เกิดซ้ำสามข้อซ้ำแล้วซ้ำเล่า:

เราควรสร้างสิ่งนี้หรือไม่?
หากใช่ เราจะลดอันตรายและพิสูจน์ได้อย่างไร?
เมื่อเกิดเหตุการณ์ไม่คาดฝัน ใครจะเป็นผู้รับผิดชอบ และจะเกิดอะไรขึ้นต่อไป?

น่าเบื่อแต่ใช้งานได้จริง ยากอย่างน่าประหลาดใจ คุ้มค่า

มินิเคส 60 วินาที (ประสบการณ์ในการปฏิบัติ) 📎

ทีมฟินเทคนำเสนอแบบจำลองการฉ้อโกงที่มีความแม่นยำโดยรวมสูง สองสัปดาห์ต่อมา ตั๋วสนับสนุนพุ่งสูงขึ้นจากภูมิภาคใดภูมิภาคหนึ่ง การชำระเงินที่ถูกต้องตามกฎหมายถูกบล็อก การตรวจสอบกลุ่มย่อยแสดงให้เห็นว่าการเรียกคืนข้อมูลสำหรับภูมิภาคนั้นต่ำกว่าค่าเฉลี่ย 12 จุด ทีมได้ตรวจสอบความครอบคลุมของข้อมูลอีกครั้ง ฝึกอบรมใหม่ด้วยการนำเสนอที่ดีขึ้น และเผยแพร่ การ์ดแบบจำลอง ซึ่งบันทึกการเปลี่ยนแปลง ข้อควรระวังที่ทราบ และเส้นทางการอุทธรณ์ของผู้ใช้ ความแม่นยำลดลงหนึ่งจุด แต่ความไว้วางใจของลูกค้าเพิ่มขึ้น นี่คือจริยธรรมในฐานะ การจัดการความเสี่ยง และ การเคารพผู้ใช้ไม่ใช่การโพสต์ [3][5]

เครื่องมือและกรอบงานที่คุณสามารถใช้งานได้จริง 📋

(มีจุดบกพร่องเล็กๆ น้อยๆ ที่ตั้งใจให้เป็นเช่นนั้น - นั่นคือชีวิตจริง)

เครื่องมือหรือกรอบงาน	ผู้ชม	ราคา	เหตุผลที่มันได้ผล	หมายเหตุ
กรอบการจัดการความเสี่ยง AI ของ NIST	ผลิตภัณฑ์ ความเสี่ยง นโยบาย	ฟรี	ฟังก์ชั่นที่ชัดเจน -ปกครอง, แผนที่, วัดผล, จัดการ- จัดทีมให้สอดคล้องกัน	สมัครใจ, มีการอ้างอิงอย่างกว้างขวาง [3]
หลักการปัญญาประดิษฐ์ของ OECD	ผู้บริหาร ผู้กำหนดนโยบาย	ฟรี	ค่า + คำแนะนำเชิงปฏิบัติสำหรับ AI ที่เชื่อถือได้	ทิศเหนือของการกำกับดูแลที่มั่นคง [2]
พระราชบัญญัติ AI ของสหภาพยุโรป (ตามความเสี่ยง)	กฎหมาย การปฏิบัติตามข้อกำหนด และ CTO	ฟรี*	ระดับความเสี่ยงกำหนดการควบคุมตามสัดส่วนสำหรับการใช้งานที่มีผลกระทบสูง	ต้นทุนการปฏิบัติตามแตกต่างกันไป [4]
การ์ดโมเดล	วิศวกร ML, PM	ฟรี	กำหนดมาตรฐานว่าโมเดลคืออะไร ทำอะไร และล้มเหลวตรงไหน	มีเอกสาร + ตัวอย่าง [5]
เอกสารชุดข้อมูล (“แผ่นข้อมูล”)	นักวิทยาศาสตร์ข้อมูล	ฟรี	อธิบายแหล่งที่มาของข้อมูล ความครอบคลุม ความยินยอม และความเสี่ยง	ปฏิบัติเหมือนเป็นฉลากโภชนาการ

เจาะลึก 1 - หลักการในการเคลื่อนไหว ไม่ใช่ทฤษฎี 🏃

ความยุติธรรม - ประเมินผลการปฏิบัติงานตามกลุ่มประชากรและบริบทต่างๆ ตัวชี้วัดโดยรวมซ่อนอันตราย [3]
ความรับผิดชอบ - กำหนดเจ้าของสำหรับการตัดสินใจเกี่ยวกับข้อมูล โมเดล และการปรับใช้ เก็บบันทึกการตัดสินใจ
ความโปร่งใส - ใช้การ์ดโมเดล บอกผู้ใช้ว่าการตัดสินใจเป็นแบบอัตโนมัติแค่ไหน และมีแนวทางแก้ไขอย่างไร [5]
การกำกับดูแลโดยมนุษย์ - ให้มนุษย์เข้าไปมีส่วนร่วมในการตัดสินใจที่มีความเสี่ยงสูง โดยมีอำนาจในการหยุด/ยกเลิกอย่างแท้จริง (ได้รับการกล่าวถึงอย่างชัดเจนโดย UNESCO) [1]
ความเป็นส่วนตัวและความปลอดภัย - ลดปริมาณและปกป้องข้อมูล พิจารณาการรั่วไหลของข้อมูลระหว่างการประมวลผลและการนำไปใช้ในทางที่ผิดในขั้นตอนถัดไป
การทำคุณประโยชน์ - แสดงให้เห็นถึงประโยชน์ต่อสังคม ไม่ใช่แค่เพียง KPI ที่ชัดเจน (OECD กำหนดกรอบความสมดุลนี้) [2]

นอกเรื่องนิดหน่อย: บางครั้งทีมก็ถกเถียงกันเป็นชั่วโมงๆ เกี่ยวกับชื่อตัวชี้วัด โดยไม่สนใจคำถามเกี่ยวกับอันตรายที่แท้จริง น่าตลกที่เรื่องแบบนี้เกิดขึ้น

เจาะลึก 2 - ความเสี่ยงและวิธีการวัดความเสี่ยง 📏

AI ที่มีจริยธรรมจะชัดเจนขึ้นเมื่อคุณปฏิบัติต่ออันตรายเป็นความเสี่ยงที่วัดได้:

การวิเคราะห์บริบท - ใครได้รับผลกระทบทั้งทางตรงและทางอ้อม? ระบบมีอำนาจในการตัดสินใจมากน้อยเพียงใด?
ความเหมาะสมของข้อมูล - การแสดง การดริฟต์ คุณภาพการติดฉลาก เส้นทางการยินยอม
พฤติกรรมจำลอง - โหมดความล้มเหลวภายใต้การเปลี่ยนแปลงการกระจาย คำเตือนที่เป็นปฏิปักษ์ หรืออินพุตที่เป็นอันตราย
การประเมินผลกระทบ - ความรุนแรง × ความน่าจะเป็น มาตรการบรรเทา และความเสี่ยงที่เหลืออยู่
การควบคุมวงจรชีวิต - จากการกำหนดกรอบปัญหาไปจนถึงการตรวจสอบหลังการปรับใช้

NIST แบ่งฟังก์ชันนี้ออกเป็นสี่ประการที่ทีมสามารถนำมาใช้ได้โดยไม่ต้องประดิษฐ์สิ่งใหม่: ปกครอง, จัดทำแผนที่, วัดผล, จัดการ [3]

Deep dive 3 - เอกสารที่ช่วยคุณบันทึกภายหลัง 🗂️

สิ่งประดิษฐ์อันต่ำต้อยสองชิ้นนี้ทำได้มากกว่าคำขวัญใดๆ:

การ์ดโมเดล - โมเดลมีไว้เพื่ออะไร มีการประเมินอย่างไร ล้มเหลวตรงไหน ข้อควรพิจารณาทางจริยธรรม และข้อควรระวัง - สั้น มีโครงสร้าง อ่านง่าย [5]
เอกสารประกอบชุดข้อมูล ("เอกสารข้อมูล") - เหตุผลที่ต้องมีข้อมูลนี้ วิธีการเก็บรวบรวมข้อมูล ผู้ที่เกี่ยวข้อง ช่องว่างที่ทราบ และการใช้งานที่แนะนำ

ถ้าคุณเคยต้องอธิบายให้หน่วยงานกำกับดูแลหรือนักข่าวฟังว่าทำไมนางแบบถึงมีพฤติกรรมไม่ดี คุณจะขอบคุณตัวเองในอดีตที่เขียนเรื่องนี้ขึ้นมา อนาคตคุณจะซื้อกาแฟให้ตัวเองในอดีต

เจาะลึก 4 - ธรรมาภิบาลที่กัดแทะจริงๆ 🧩

กำหนดระดับความเสี่ยง - ยืมแนวคิดตามความเสี่ยงมาใช้เพื่อให้กรณีการใช้งานที่มีผลกระทบสูงได้รับการตรวจสอบอย่างละเอียดมากขึ้น [4]
ประตูเวที - การตรวจสอบจริยธรรมในช่วงรับเครื่อง ก่อนปล่อย และหลังปล่อย ไม่ใช่แค่สิบห้าประตู แค่สามประตูก็เพียงพอแล้ว
การแบ่งแยกหน้าที่ - นักพัฒนาเสนอ พันธมิตรด้านความเสี่ยงตรวจสอบ ผู้นำลงนาม มีเส้นแบ่งที่ชัดเจน
การตอบสนองต่อเหตุการณ์ - ใครหยุดโมเดลชั่วคราว ผู้ใช้จะได้รับการแจ้งเตือนอย่างไร แนวทางการแก้ไขเป็นอย่างไร
การตรวจสอบอิสระ - ภายในก่อน ภายนอกเมื่อจำเป็น
การฝึกอบรมและแรงจูงใจ - ให้รางวัลเมื่อพบปัญหาตั้งแต่เนิ่นๆ ไม่ใช่ปกปิดไว้

พูดกันตามตรง: ถ้าการปกครองไม่เคยปฏิเสธ นั่นก็ไม่ใช่การปกครอง

Deep Dive 5 - คนในวงจร ไม่ใช่เป็นเพียงอุปกรณ์ประกอบฉาก 👩⚖️

การดูแลของมนุษย์ไม่ใช่เพียงการเลือกช่องกาเครื่องหมาย แต่เป็นทางเลือกในการออกแบบ:

เมื่อมนุษย์ตัดสินใจ - กำหนดเกณฑ์ที่ชัดเจนที่บุคคลจะต้องตรวจสอบ โดยเฉพาะอย่างยิ่งสำหรับผลลัพธ์ที่มีความเสี่ยงสูง
ความสามารถในการอธิบายสำหรับผู้ตัดสินใจ - ให้มนุษย์ทราบทั้ง เหตุผล และ ความไม่แน่นอน
วงจรข้อเสนอแนะของผู้ใช้ - ช่วยให้ผู้ใช้โต้แย้งหรือแก้ไขการตัดสินใจอัตโนมัติ
การเข้าถึง - อินเทอร์เฟซที่ผู้ใช้ที่แตกต่างกันสามารถเข้าใจและใช้งานได้จริง

คำแนะนำของยูเนสโกนั้นเรียบง่ายในที่นี้: ศักดิ์ศรีความเป็นมนุษย์และการกำกับดูแลคือหัวใจสำคัญ ไม่ใช่ทางเลือก สร้างผลิตภัณฑ์เพื่อให้มนุษย์สามารถเข้าแทรกแซงก่อนที่จะเกิดอันตรายต่อดินแดน [1]

หมายเหตุ - ขอบเขตถัดไป: เทคโนโลยีประสาท 🧠

เมื่อปัญญาประดิษฐ์ (AI) เข้ามาเชื่อมโยงกับเทคโนโลยีประสาทวิทยา ความเป็นส่วนตัวทางจิตใจ และ เสรีภาพทางความคิด จึงกลายเป็นประเด็นสำคัญในการออกแบบ แนวทางปฏิบัติเดียวกันนี้สามารถนำมาใช้ได้ ได้แก่ หลักการที่เน้นสิทธิ [1] การบริหารที่ออกแบบอย่างน่าเชื่อถือ [2] และมาตรการป้องกันที่เหมาะสมสำหรับการใช้งานที่มีความเสี่ยงสูง [4] จงสร้างมาตรการป้องกันตั้งแต่เนิ่นๆ แทนที่จะยึดติดในภายหลัง

ทีมต่างๆ ตอบคำถาม "จริยธรรมของ AI คืออะไร?" ในทางปฏิบัติได้อย่างไร - ขั้นตอนการทำงาน 🧪

ลองทำตามวิธีง่ายๆ นี้ดูสิ มันอาจจะไม่ได้สมบูรณ์แบบ แต่ได้ผลแน่นอน:

การตรวจสอบจุดประสงค์ - ปัญหาของมนุษย์อะไรที่เราแก้ไข และใครได้รับประโยชน์หรือรับความเสี่ยง?
แผนที่บริบท - ผู้มีส่วนได้ส่วนเสีย สภาพแวดล้อม ข้อจำกัด อันตรายที่ทราบ
แผนข้อมูล - แหล่งที่มา ความยินยอม ความเป็นตัวแทน การเก็บรักษา เอกสารประกอบ
การออกแบบเพื่อความปลอดภัย - การทดสอบเชิงปฏิปักษ์ การทำงานเป็นทีม และความเป็นส่วนตัวโดยการออกแบบ
กำหนดความยุติธรรม - เลือกมาตรวัดที่เหมาะสมกับโดเมน บันทึกการแลกเปลี่ยน
แผนการอธิบาย - จะอธิบายอะไร อธิบายให้ใครฟัง และจะตรวจสอบความมีประโยชน์ได้อย่างไร
การ์ดรุ่น - ร่างล่วงหน้า อัปเดตตามการใช้งาน เผยแพร่เมื่อเปิดตัว [5]
ประตูการกำกับดูแล - การตรวจสอบความเสี่ยงที่มีเจ้าของที่รับผิดชอบ โครงสร้างโดยใช้ฟังก์ชันของ NIST [3]
การตรวจสอบหลังเปิดตัว - เมตริก การแจ้งเตือนการดริฟต์ แผนการรับมือกับเหตุการณ์ การอุทธรณ์ของผู้ใช้

ถ้าขั้นตอนไหนดูหนักเกินไป ให้ปรับตามความเสี่ยง นั่นแหละเคล็ดลับ การออกแบบโปรแกรมตรวจคำผิดมากเกินไปไม่ได้ช่วยอะไร

จริยธรรม vs. การปฏิบัติตาม – ความแตกต่างที่สำคัญแต่สำคัญ 🌶️

จริยธรรม ถามว่า: นี่เป็นสิ่งที่ถูกต้องสำหรับผู้คนหรือไม่?
การปฏิบัติ ตามถามว่า: สิ่งนี้เป็นไปตามกฎเกณฑ์หรือไม่?

คุณต้องการทั้งสองอย่าง โมเดลที่อิงตามความเสี่ยงของสหภาพยุโรปสามารถเป็นแกนหลักในการปฏิบัติตามกฎระเบียบของคุณได้ แต่โปรแกรมจริยธรรมของคุณควรผลักดันให้เกินขีดจำกัดขั้นต่ำ โดยเฉพาะอย่างยิ่งในกรณีการใช้งานที่คลุมเครือหรือแปลกใหม่ [4]

อุปมาอุปไมยสั้นๆ (ที่ผิดพลาด) ที่ว่า การปฏิบัติตามคือรั้ว จริยธรรมคือผู้เลี้ยงแกะ รั้วกั้นกั้นคุณไว้ในขอบเขต ผู้เลี้ยงแกะคอยดูแลให้คุณเดินไปในเส้นทางที่ถูกต้อง

ข้อผิดพลาดทั่วไป - และสิ่งที่ควรทำแทน 🚧

หลุมพราง: ละครจริยธรรม - หลักการหรูหราแต่ไร้ทรัพยากร
วิธีแก้ไข: อุทิศเวลา เจ้าของ และตรวจสอบจุดตรวจสอบ
ข้อผิดพลาด: การหาค่าเฉลี่ยเพื่อหลีกเลี่ยงอันตราย - ตัวชี้วัดโดยรวมที่ดีซ่อนความล้มเหลวของกลุ่มย่อย
การแก้ไข: ประเมินโดยกลุ่มย่อยที่เกี่ยวข้องเสมอ [3]
หลุมพราง: ความลับที่แอบอ้างว่าปลอดภัย - ปกปิดรายละเอียดจากผู้ใช้
แก้ไข: เปิดเผยความสามารถ ข้อจำกัด และช่องทางแก้ไขด้วยภาษาที่เข้าใจง่าย [5]
ข้อผิดพลาด: การตรวจสอบในตอนท้าย - พบปัญหาทันทีก่อนเปิด
ตัว แก้ไข: เลื่อนไปทางซ้าย - ทำให้จริยธรรมเป็นส่วนหนึ่งของการออกแบบและการรวบรวมข้อมูล
ข้อผิดพลาด: รายการตรวจสอบที่ไร้การตัดสิน - ทำตามแบบฟอร์ม ไม่ใช่ความรู้สึก
แก้ไข: รวมเทมเพลตเข้ากับการตรวจสอบโดยผู้เชี่ยวชาญและการวิจัยผู้ใช้

คำถามที่พบบ่อย - สิ่งที่คุณจะถูกถามอยู่แล้ว ❓

จริยธรรม AI ต่อต้านนวัตกรรมหรือไม่?
ไม่ใช่ จริยธรรมส่งเสริมนวัตกรรมที่มีประโยชน์ จริยธรรมหลีกเลี่ยงทางตัน เช่น ระบบที่มีอคติซึ่งก่อให้เกิดการต่อต้านหรือปัญหาทางกฎหมาย กรอบแนวคิดของ OECD ส่งเสริมนวัตกรรมที่มีความปลอดภัยอย่างชัดเจน [2]

เราจำเป็นต้องทำเช่นนี้หรือไม่ หากผลิตภัณฑ์ของเรามีความเสี่ยงต่ำ?
ใช่ แต่เบากว่า ใช้การควบคุมตามสัดส่วน แนวคิดที่อิงตามความเสี่ยงนี้เป็นมาตรฐานในแนวทางของสหภาพยุโรป [4]

เอกสารใดบ้างที่ต้องมี
อย่างน้อยที่สุด: เอกสารชุดข้อมูลสำหรับชุดข้อมูลหลักของคุณ บัตรโมเดลสำหรับแต่ละโมเดล และบันทึกการตัดสินใจเผยแพร่ [5]

ใครเป็นเจ้าของจริยธรรม AI?
ทุกคนเป็นเจ้าของพฤติกรรม แต่ทีมผลิตภัณฑ์ วิทยาศาสตร์ข้อมูล และความเสี่ยงจำเป็นต้องมีหน้าที่รับผิดชอบที่ชัดเจน หน้าที่ของ NIST เป็นโครงสร้างพื้นฐานที่ดี [3]

นานเกินไปแล้วที่ไม่ได้อ่าน - หมายเหตุสุดท้าย 💡

ถ้าคุณอ่านแบบผ่านๆ มาทั้งหมด นี่คือใจความสำคัญ: จริยธรรมของ AI คืออะไร? มันคือระเบียบวินัยเชิงปฏิบัติสำหรับการสร้าง AI ที่ผู้คนสามารถไว้วางใจได้ ยึดหลักแนวทางที่ได้รับการยอมรับอย่างกว้างขวาง เช่น มุมมองที่เน้นสิทธิมนุษยชนของ UNESCO และหลักการ AI ที่น่าเชื่อถือของ OECD ใช้กรอบการประเมินความเสี่ยงของ NIST เพื่อนำไปปฏิบัติ และจัดทำเอกสารประกอบโมเดลและชุดข้อมูลเพื่อให้การตัดสินใจของคุณชัดเจน จากนั้นก็คอยรับฟังความคิดเห็นจากผู้ใช้ ผู้มีส่วนได้ส่วนเสีย และการตรวจสอบของคุณเอง และปรับปรุงอยู่เสมอ จริยธรรมไม่ใช่เรื่องที่ทำครั้งเดียวแล้วจบ แต่เป็นนิสัย

และใช่ บางครั้งคุณก็จะแก้ไขได้ นั่นไม่ใช่ความล้มเหลว แต่มันคือความพยายามต่างหาก 🌱

เอกสารอ้างอิง

ยูเนสโก - ข้อเสนอแนะเกี่ยวกับจริยธรรมของปัญญาประดิษฐ์ (2021) ลิงก์
OECD - หลักการด้านปัญญาประดิษฐ์ (2019) ลิงก์
NIST - กรอบการบริหารความเสี่ยงด้านปัญญาประดิษฐ์ (AI RMF 1.0) (2023) (PDF) ลิงก์
EUR-Lex - ระเบียบ (EU) 2024/1689 (กฎหมาย AI) ลิงก์
Mitchell et al. - “Model Cards for Model Reporting” (ACM, 2019). ลิงก์

ค้นหา AI รุ่นล่าสุดได้ที่ร้านค้าผู้ช่วย AI อย่างเป็นทางการ

เกี่ยวกับเรา

กลับไปที่บล็อก