隨著數(shù)據(jù)科學變得越來越復雜，消費者漸漸要求更個性化的客戶體驗，人工智能是幫助企業(yè)更好地了解客戶和受眾的工具。但是，即使人工智能擁有世界上所有的潛力，如果我們無法弄清楚如何解決仍然存在的道德挑戰(zhàn)，那么這種全部潛力可能永遠無法實現(xiàn)。

　　隨著這項技術的發(fā)展，所有尋求實施人工智能戰(zhàn)略的領導者都應該牢記一個問題，就是如何在合乎道德和負責任的情況下在企業(yè)內(nèi)最大限度地利用人工智能。

　　為了實施和擴展能夠帶來正投資回報的AI功能，同時最大限度地降低風險、減少偏見并推動AI實現(xiàn)價值，企業(yè)應遵循以下四項原則：

　　1.了解目標、目的和風險

　　大約七年前，某組織發(fā)布了他們所謂的“新興技術的炒作周期”，預測了將在未來十年改變社會和商業(yè)的技術。人工智能是這些技術中的一項。

　　這份報告的發(fā)布，促使企業(yè)爭相向分析師和投資者證明自己精通人工智能，許多企業(yè)開始將人工智能戰(zhàn)略應用到自己的商業(yè)模式中。然而，有時候這些策略被證明執(zhí)行不力，只能作為現(xiàn)有分析或數(shù)字目標的事后補充。這是因為企業(yè)沒有清楚地了解他們正在尋找AI來解決的業(yè)務問題。

　　企業(yè)開發(fā)的AI和ML模型只有10%被實施。有問題的企業(yè)與可以使用人工智能解決該問題的數(shù)據(jù)科學家之間的歷史性脫節(jié)使人工智能滯后。然而，隨著數(shù)據(jù)成熟度的提高，企業(yè)已經(jīng)開始將數(shù)據(jù)翻譯器集成到不同的價值鏈中，比如以發(fā)現(xiàn)和轉換結果的市場營銷業(yè)務需求。

　　這就是為什么制定道德人工智能戰(zhàn)略的首要原則是了解所有目標、目的和風險，然后在企業(yè)內(nèi)創(chuàng)建一種分散的AI方法。

　　2.解決偏見歧視問題

　　由于從未恰當?shù)亻_發(fā)出人工智能解決方案來解決偏見問題，導致大小企業(yè)的聲譽都受到了損害，客戶也不信任它們。所以創(chuàng)建人工智能模型的企業(yè)必須采取先發(fā)制人的措施，以確保他們的解決方案不會造成傷害。做到這一點的方法是，建立一個框架來防止任何對算法預測的負面影響。

　　例如，如果一家公司希望通過調(diào)查更好地了解客戶的情緒，比如代表性不足的社區(qū)如何看待他們的服務，他們可能會使用數(shù)據(jù)科學來分析這些客戶調(diào)查，并認識到所發(fā)布的調(diào)查中有一定比例的答復是非英語語言，這是人工智能算法可能理解的唯一語言。

　　為了解決這個問題，數(shù)據(jù)科學家們不僅可以修改算法，還可以結合語言的復雜細微差別。如果能夠理解這些語言上的細微差別，并將人工智能與更流暢的語言相結合，使這些結論更可行，企業(yè)將能夠了解代表性不足的社區(qū)需求，以改善他們的客戶體驗。

　　3.開發(fā)全方位的基礎數(shù)據(jù)

　　人工智能算法能夠分析大量數(shù)據(jù)集，企業(yè)應優(yōu)先考慮為其人工智能模型使用和攝取的數(shù)據(jù)標準開發(fā)框架。為了成功實現(xiàn)人工智能，一個整體的、透明的和可追蹤的數(shù)據(jù)集是必不可少的。

　　人工智能必須考慮到人類的干擾。比如俚語、縮寫、代碼詞，以及更多人類在不斷進化的基礎上發(fā)展出來的詞匯，每一種都可能讓高度技術的人工智能算法出錯。無法處理這些人類細微差別的人工智能模型最終會缺乏整體數(shù)據(jù)集。就像試著在沒有后視鏡的情況下駕駛一樣，雖然擁有一些需要的信息，但缺少關鍵盲點。

　　企業(yè)必須找到歷史數(shù)據(jù)和人為干預之間的平衡，以便讓人工智能模型了解這些復雜的區(qū)別。通過將結構化數(shù)據(jù)與非結構化數(shù)據(jù)相結合，并訓練人工智能識別兩者，可以生成更全面的數(shù)據(jù)集，并提高預測的準確性。進一步說，第三方對數(shù)據(jù)集的審計可以是一個額外的好處，沒有偏見和差異。

　　4.避免算法開發(fā)的“黑匣子”方法

　　要讓人工智能合乎道德，就需要完全透明。為了制定同時透明、可解釋和可解釋的人工智能策略，企業(yè)必須打開代碼的“黑匣子”，以了解算法中的每個節(jié)點是如何得出結論和解釋結果的。

　　雖然這聽起來很簡單，但要實現(xiàn)這一點需要一個強大的技術框架，該框架可以通過查看底層代碼來解釋模型和算法行為，以顯示正在生成的不同子預測。

　　企業(yè)可以依靠開源框架跨多個維度評估AI和ML模型，包括：

　　● 特征分析：以評估將新特征應用于現(xiàn)有模型的影響

　　● 節(jié)點分析：解釋預測的子集

　　● 局部分析：解釋個體預測和匹配特征，從而提高結果

　　● 全局分析：提供了一個自上而下的整體模型行為和主要特征的審查

　　人工智能是一項復雜的技術，如果企業(yè)不小心的話，它會有很多潛在的陷阱。一個成功的人工智能模型應該從第一天開始就優(yōu)先考慮道德問題，而不是事后才考慮。在各個行業(yè)和企業(yè)中，人工智能不是一刀切的，但應該取得突破的一個共同點是致力于透明和公正的預測。