הקדמה לאתיקה של בינה מלאכותית

אתיקה של בינה מלאכותית היא כוח לטוב שעוזר לצמצם הטיות לא הוגנות, מסיר מחסומים לנגישות ומרחיב יצירתיות, בין יתרונות רבים אחרים. ככל שארגונים מסתמכים יותר ויותר על בינה מלאכותית עבור החלטות שמשפיעות על חיי אדם, זה קריטי שהם מחשיבים את ההשלכות האתיות המורכבות כי שימוש לרעה בבינה מלאכותית יכול לגרום לפגיעה ביחידים ובחברה - ולקווים התחתונים של העסקים ולהחזקות.

במאמר זה נחקור:

• עקרונות, מונחים והגדרות אתיקה נפוצים של בינה מלאכותית
• יצירת עקרונות אתיים של בינה מלאכותית עבור ארגון
• מי אחראי על אתיקה של בינה מלאכותית
• יישום הכשרה, פיקוח ותהליכים טכניים בנושא אתיקה של בינה מלאכותית
• מקרי שימוש ויישומים של בינה מלאכותית אתית
• כמה רשויות מובילות בנושא האתיקה של בינה מלאכותית

דוגמאות לעקרונות בינה מלאכותית אתיים

רווחתם של אנשים נמצאת במרכז כל דיון על האתיקה של בינה מלאכותית. בעוד שניתן לתכנן מערכות בינה מלאכותית כדי לתעדף מוסר ואתיקה, בני אדם אחראים בסופו של דבר להבטיח עיצוב ושימוש אתי - ולהתערב בעת הצורך.

אין סט אחד, מוסכם באופן אוניברסלי, של עקרונות AI אתיים. ארגונים וסוכנויות ממשלתיות רבים מתייעצים עם מומחים באתיקה, חוק ובינה מלאכותית כדי ליצור את העקרונות המנחים שלהם. עקרונות אלה מתייחסים בדרך כלל:

• רווחה וכבוד אנושי: מערכות בינה מלאכותית צריכות תמיד לתעדף ולהבטיח רווחה, בטיחות וכבוד של יחידים, לא להחליף בני אדם ולא להתפשר על רווחת האדם
• פיקוח אנושי: בינה מלאכותית זקוקה לניטור אנושי בכל שלב של פיתוח ושימוש - לפעמים נקרא "בן אדם בלולאה" - כדי להבטיח שהאחריות האתית האולטימטיבית נשענת עם בן אדם
• פנייה להטיה ואפליה: תהליכי עיצוב צריכים לתעדף הגינות, שוויון וייצוג כדי למתן הטיה ואפליה
• שקיפות ויכולת הסבר: כיצד מודלים של בינה מלאכותית מקבלים החלטות ספציפיות ומפיקים תוצאות ספציפיות צריכות להיות שקופות וניתנות להסבר בשפה ברורה
• הגנה ופרטיות של נתוני ריפוד: מערכות AI חייבות לעמוד בתקנים המחמירים ביותר להגנה ופרטיות של נתונים, תוך שימוש בשיטות אבטחת סייבר איתנה כדי למנוע פרצות נתונים וגישה לא מורשית
• קידום כולל וגיוון: טכנולוגיות בינה מלאכותית צריכות לשקף ולכבד את הטווח העצום של זהויות וחוויות אנושיות
• חברה וכלכלות: בינה מלאכותית צריכה לסייע בהנעת קידום חברתי ושגשוג כלכלי לכל האנשים, מבלי לטפח אי-שוויון או פרקטיקות לא הוגנות
• שיפור המיומנויות הדיגיטליות והאוריינות: טכנולוגיות בינה מלאכותית צריכות לשאוף להיות נגישות ומובנות לכולם, ללא קשר למיומנויות הדיגיטליות של אדם
• בריאות העסקים: טכנולוגיות עסקיות של בינה מלאכותית צריכות להאיץ תהליכים, למקסם יעילות ולקדם צמיחה

תנאים והגדרות אתיקה של בינה מלאכותית

כצומת של אתיקה וטכנולוגיה גבוהה, שיחות על בינה מלאכותית אתית משתמשות לעתים קרובות באוצר המילים משני התחומים. הבנת אוצר המילים הזה חשובה כדי שתוכל לדון באתיקה של בינה מלאכותית:

• בינה מלאכותית: היכולת של מכונה לבצע תפקודים קוגניטיביים שאנו משייכים למוחות אנושיים, כגון תפיסה, היגיון, למידה ופתרון בעיות. ישנם שני סוגים עיקריים של מערכות בינה מלאכותית, וחלק מהמערכות הן שילוב של שתיהן:

  • בינה מלאכותית מבוססת כללים, הנקראת גם AI מומחה, מתנהגת בהתאם לסט של כללים מוגדרים במלואם שנוצרו על-ידי מומחים אנושיים - כדוגמה, פלטפורמות מסחר אלקטרוני רבות משתמשות בבינה מלאכותית מבוססת כללים כדי לספק המלצות על מוצר
  • בינה מלאכותית מבוססת למידה פותרת בעיות ומתאימה את הפונקציונליות שלה בעצמה, בהתבסס על סט נתונים התחלתי של הכשרה ותצורה מעוצבת על-ידי אדם -כלי בינה מלאכותית יצרנית הם דוגמאות ל-AI מבוסס למידה

אתיקה של בינה מלאכותית: סט של ערכים, עקרונות וטכניקות המעסיקים סטנדרטים מקובלים של זכות ושגוי להנחיית התנהלות מוסרית בפיתוח, פריסה, שימוש ומכירה של טכנולוגיות בינה מלאכותית.

מודל AI: מסגרת מתמטית שנוצרה על-ידי אנשים והוכשרה על נתונים שמאפשרת למערכות AI לבצע משימות מסוימות על-ידי זיהוי דפוסים, קבלת החלטות וחיזוי תוצאות. שימושים נפוצים כוללים זיהוי תמונה ותרגום שפה, בין השאר.

מערכת בינה מלאכותית: מבנה מורכב של אלגוריתמים ומודלים שנועדו לחקות את ההיגיון האנושי ולבצע משימות באופן אוטונומי.

סוכנות: היכולת של יחידים לפעול באופן עצמאי ולעשות בחירות חופשיות.

ביאס: נטייה או דעה קדומה בעד או נגד אדם או קבוצה, במיוחד בדרך הנחשבת כלא הוגנת. הטיות בנתוני הכשרה - כגון ייצוג יתר או חסר של נתונים הנוגעים לקבוצה מסוימת - יכולות לגרום ל-AI לפעול בדרכים מוטות.

יכולת הסברה: היכולת לענות על השאלה, "מה עשתה המכונה כדי להגיע לתפוקה שלה?" יכולת ההסברה מתייחסת להקשר הטכנולוגי של מערכת הבינה המלאכותית, כגון מכניקה, כללים ואלגוריתמים שלה ונתוני הכשרה.

הוגנות: חוסר פניות ורק טיפול או התנהגות ללא העדפה או אפליה לא צודקת.

Human-in-the-loop: היכולת של בני אדם להתערב בכל מחזור החלטה של מערכת בינה מלאכותית.

אינטראקטיביות: היכולת של אנשים להבין את ההקשר וההשפעה של ממש על התפוקה של מערכת בינה מלאכותית, כמו למשל כאשר בינה מלאכותית משמשת כדי לסייע בקבלת החלטה לגבי אישור או דחייה של בקשת הלוואה.

מודל שפה גדול (LLM): סוג של למידת מכונה המשמש לעתים קרובות בזיהוי טקסט ומשימות יצירה.

למידת מכונה: סט משנה של בינה מלאכותית שמספקת למערכות את היכולת ללמוד באופן אוטומטי, לשפר מניסיון ולהתאים אותן לנתונים חדשים מבלי להיות מתוכנתים במפורש לעשות זאת.

נורמטיבית: הקשר מרכזי של אתיקה מעשית העוסק במה שאנשים ומוסדות "צריכים" או "צריכים" לעשות במצבים מסוימים.

שקיפות: קשורה ליכולת הסברה, שקיפות היא היכולת להצדיק כיצד ומדוע מערכת בינה מלאכותית מפותחת, מיושמת ומשמשת, ולהפוך את המידע הזה לגלוי ומובן לאנשים.

כיצד ליישם עקרונות עבור אתיקה של בינה מלאכותית

עבור ארגונים, יש יותר שימוש ב-AI מבחינה אתית מאשר רק אימוץ עקרונות אתיים; יש לשלב עקרונות אלה בכל תהליכי הבינה המלאכותית הטכניים והתפעוליים. בעוד ששילוב אתיקה עשוי להיראות מסורבל עבור ארגונים המאמצים במהירות בינה מלאכותית, מקרים בעולם האמיתי של נזק שנגרם מבעיות בעיצובי מודל AI ושימוש מראים כי הזנחת אתיקה נכונה יכולה להיות מסוכנת ויקרה.

מי אחראי על אתיקה של בינה מלאכותית?

התשובה הקצרה: כל מי שמעורב ב-AI, כולל עסקים, ממשלות, צרכנים ואזרחים.

התפקידים השונים של אנשים שונים באתיקה של בינה מלאכותית

• מפתחים וחוקרים ממלאים תפקיד מכריע ביצירת מערכות בינה מלאכותית אשר מעדיפות את הסוכנות והפיקוח האנושי, מטפלות בהטיה ובאפליה, והן שקופות וניתנות להסבר.
• קובעי מדיניות ורגולטורים קובעים חוקים ותקנות כדי לשלוט בשימוש האתי ב-AI ולהגן על זכויות האנשים.
• מנהיגי עסקים ותעשייה מבטיחים שהארגונים שלהם יאמצו עקרונות AI אתיים כך שהם ישתמשו בבינה מלאכותית בדרכים התורמות באופן חיובי לחברה.
• ארגוני החברה האזרחית דוגלים בשימוש האתי ב-AI, ממלאים תפקיד בפיקוח ומספקים תמיכה לקהילות שנפגעו.
• המוסדות האקדמיים תורמים באמצעות חינוך, מחקר ופיתוח הנחיות אתיות.
• למשתמשי קצה ולמשתמשים המושפעים, כמו לצרכנים ולאזרחים, יש סיכון להבטיח שמערכות בינה מלאכותית ניתנות להסבר, ניתנות לפירוש, הוגנות, שקופות ומועילות לחברה.

התפקיד של מובילים עסקיים באתיקה של בינה מלאכותית

עסקים רבים מקימים ועדות בראשות מנהיגיהן הבכירים כדי לעצב את מדיניות הפיקוח על בינה מלאכותית שלהם. לדוגמה, ב-SAP, יצרנו פאנל מייעץ וועדת היגוי לאתיקה של בינה מלאכותית, המורכבת ממומחי אתיקה וטכנולוגיה, כדי לשלב את עקרונות הבינה המלאכותית האתית שלנו בכל המוצרים והפעולות שלנו. עקרונות אלה מתעדפים:

• פרופורציונליות ולא גורמת נזק
• בטיחות ואבטחה
• הוגנות ואי-אפליה
• קיימות
• הזכות לפרטיות ולהגנה על נתונים
• פיקוח וקביעה של האדם
• שקיפות ויכולת הסבר
• אחריות ואחריות
• מודעות ואוריינות טכנית
• בעלי עניין מרובים ופיקוח ושיתוף פעולה אדפטיבי

הקמת ועדת היגוי אתיקה של בינה מלאכותית

הקמת ועדת היגוי חיונית לניהול הגישה של ארגון לאתיקה של בינה מלאכותית ומספקת אחריות ופיקוח ברמה העליונה. ועדה זו מוודאת ששיקולים אתיים נרתעים לפיתוח ופריסה של בינה מלאכותית.

תהליכים מייעלי עבודה עבור יצירת ועדת היגוי אתיקה של בינה מלאכותית

• הרכב ומומחיות: כלול תמהיל מגוון של בעלי עניין עם מומחיות ב-AI, חוק ואתיקה. יועצים חיצוניים יכולים להציע פרספקטיבות לא מוטה.
• הגדרת המטרה וההיקף: להגדיר בבירור את מטרותיה ויעדיה של הוועדה, תוך התמקדות בעיצוב, הטמעה ותפעול של בינה מלאכותית אתית. כך צריך ליישר קו עם החברה ערכים, הגינות, שקיפות ופרטיות.
• הגדרת תפקידים ותחומי אחריות: מסגרת תפקידים ספציפיים עבור החברים, כגון פיתוח מדיניות אתיקה של בינה מלאכותית, ייעוץ בנושאי אתיקה בפרויקטים של בינה מלאכותית והבטחת תאימות לתקנות.
• הגדרת יעדים: הגדר מטרות ברורות וניתנות למדידה כמו ביצוע ביקורת אתיקה שנתית של פרויקטי AI והצעת הכשרת AI אתית רבעונית.
• יצירת הליכים: בסס הליכים תפעוליים, כולל עמידה בלוחות זמנים, תקני תיעוד ופרוטוקולי תקשורת כדי לשמור על שקיפות.
• חינוך והתאמה מתמשכת: המשך להתבטל בהתפתחויות חדשות בטכנולוגיית בינה מלאכותית, תקנים אתיים ותקנות באמצעות הכשרה וכנסים קבועים.

יצירת מדיניות אתיקה של בינה מלאכותית

פיתוח מדיניות אתיקה של בינה מלאכותית חיוני להנחיית יוזמות בינה מלאכותית בארגון. ועדת ההיגוי היא קריטית בתהליך זה, תוך שימוש במומחיותה המגוונת כדי להבטיח שהמדיניות דבקה בחוקים, בתקנים ובעקרונות אתיים רחבים יותר.

גישה לדוגמה ליצירת מדיניות אתיקה של בינה מלאכותית

• שרטוט המדיניות הראשונית: להתחיל על ידי ניסוח מדיניות שמקיפה את ערכי הליבה של הארגון, את הדרישות המשפטיות ואת שיטות העבודה המומלצות. טיוטה התחלתית זו תשמש כבסיס לעידון נוסף.

• ייעוץ וקלט: התעסקו עם בעלי עניין פנימיים וחיצוניים, כולל מפתחי בינה מלאכותית, מנהיגים עסקיים ואתיקאים, כדי להפוך את המדיניות למקיפה וייצוגית של מספר פרספקטיבות.

• שילוב תובנות בין תחומיות: השתמשו בקרקעות המגוונות של חברי הוועדה כדי לשלב תובנות מטכנולוגיה, אתיקה, משפט ועסקים כדי לטפל בהיבטים המורכבים של אתיקה של בינה מלאכותית.

• הגדרת מקרי שימוש בעלי סיכון גבוה וקו אדום: כדי להבטיח בהירות, הוועדה צריכה להתוות אילו יישומי בינה מלאכותית מהווים סיכונים משמעותיים או נחשבים כלא אתיים ולכן אסורים. ועדת ההיגוי של SAP, לדוגמה, מסווגת את אלה בתור:

  • סיכון גבוה: קטגוריה זו כוללת יישומים שיכולים להזיק בכל דרך, וכוללת יישומים הקשורים לאכיפת החוק, הגירה ותהליכים דמוקרטיים - וכן כאלה הכוללים נתונים אישיים, קבלת החלטות אוטומטיות או השפעה על רווחה חברתית. אלו חייבים לעבור הערכה יסודית על ידי הוועדה לפני פיתוח, פריסה או מכירה.
  • קו אדום: יישומים המאפשרים מעקב אחר בני אדם, אפליה, ביטול אנונימיזציה של נתונים המובילים לזיהוי פרטני או קבוצתי, או כאלה המניפולציות על דעת הקהל או לערעור הוויכוחים הדמוקרטיים אסורות. SAP רואה בהם שימושים לא אתיים ביותר ואוסרת על פיתוח, פריסה ומכירה שלהם.

• סקירה ותיקונים: בדוק ותקן באופן רציף את המדיניות בהתבסס על משוב, מה שמבטיח שהיא תישאר רלוונטית ומעשית עבור העולם האמיתי.

• סיום ואישור: הגשת המדיניות המלאה לאישור סופי על ידי מקבלי ההחלטות, כמו מועצת המנהלים, בגיבוי המלצה חזקה מהוועדה.

• יישום ופיקוח שוטף: הוועדה צריכה לעקוב אחר יישום המדיניות ולעדכן אותה מעת לעת כדי לשקף התפתחויות טכנולוגיות ואתיות חדשות.

ביסוס תהליך סקירת תאימות

פיתוח תהליכי סקירת תאימות יעילים חיוני כדי להבטיח שפריסות בינה מלאכותית עומדות בתקנות ומדיניות האתיקה של הבינה המלאכותית של הארגון. תהליכים אלה מסייעים לבנות אמון עם משתמשים ורגולטורים ומשמשים לצמצום סיכונים ולהצבת פרקטיקות אתיות בכל פרויקטי AI.

תהליכי סקירת תאימות טיפוסיים

• פתח מסגרת סקירה מתוקננת: נסח מסגרת מקיפה שמגדירה הליכים להערכת פרויקטים של בינה מלאכותית כנגד קווים מנחים אתיים, תקנים משפטיים ודרישות תפעוליות.
• סיווג סיכונים: סווג פרויקטים של בינה מלאכותית לפי הסיכונים האתיים והרגולטוריים שלהם. פרויקטים בסיכון גבוה, כגון אלה המטפלים בנתונים אישיים רגישים או עם השפעות משמעותיות של קבלת החלטות, דורשים רמה גבוהה של בדיקה.
• ביקורות והערכות רגילות: בצע ביקורות רגילות כדי לאמת תאימות מתמשכת, שמערבות גם בדיקות אוטומטיות וגם סקירות ידניות על-ידי צוותים בין-תחומיים.
• מעורבות בעלי עניין: לעסוק בקבוצה מגוונת של בעלי עניין בתהליך הסקירה, כולל אתיקאים, מומחים משפטיים, מדעני נתונים ומשתמשי קצה, כדי לאתר סיכונים פוטנציאליים ודילמות אתיות.
• תיעוד ושקיפות: שמור רשומות מפורטות של כל פעילויות התאימות, כדי להבטיח שהן נגישות וברורות עבור ביקורות פנימיות וחיצוניות כאחד
• מנגנוני משוב והסלמה: יישם הליכים ברורים לדיווח והתייחסות לחששות אתיים ובעיות תאימות

יישום טכני של פרקטיקות אתיקה של בינה מלאכותית

שילוב שיקולים אתיים בפיתוח בינה מלאכותית כולל התאמת שיטות עבודה טכנולוגיות עדכניות כדי להבטיח שהמערכות נבנות ונפרסות בצורה אחראית. בנוסף לביסוס עקרונות בינה מלאכותית אתיים, ארגונים יוצרים לעתים גם עקרונות AI אחראיים, שיכולים להיות ממוקדים יותר בענף הייחודי שלהם ובמקרי השימוש הטכניים שלהם.

דרישות טכניות מרכזיות עבור מערכות בינה מלאכותית אתית

איתור ומיתון הטיה: השתמשו בסטים מגוונים של נתונים ובשיטות סטטיסטיות כדי לאתר ולתקן הטיות במודלים של בינה מלאכותית. בצע ביקורות רגילות כדי לנטר הטיה.

שקיפות ויכולת הסברה: לפתח מערכות שמשתמשים יכולים להבין ולאמת בקלות, תוך שימוש בשיטות כמו ניקוד חשיבות המאפיין, עצי החלטות והסברים מודול-אגנוסטיים לשיפור השקיפות.

פרטיות ואבטחה של נתונים: ודא שהנתונים במערכות AI מנוהלים באופן מאובטח ועונים לחוקי הפרטיות. מערכות חייבות להשתמש בהצפנה, בעילום שם ובאבטחת פרוטוקולים לשמירה על שלמות הנתונים.

רובוסט ועיצוב אמין: מערכות בינה מלאכותית חייבות להיות עמידות ואמינות בתנאים שונים, המשלבות בדיקות ואימות נרחבות כדי לטפל בתרחישים לא צפויים ביעילות.

מעקב ועדכון מתמשכים: תחזק ניטור מתמשך כדי להעריך ביצועים של בינה מלאכותית ותאימות אתית, עדכון מערכות לפי הצורך על סמך נתונים חדשים או שינויים בתנאים.

מעורבות ומשוב בעל עניין: מעורבות בעלי עניין, כגון משתמשי קצה, אתיקאים ומומחי דומיין, בתהליכי העיצוב והפיתוח כדי לאסוף משוב ולהבטיח שהמערכת מיישרת קו עם דרישות אתיות ותפעוליות.

הכשרת הארגון באתיקה של בינה מלאכותית

הכשרה מקיפה חיונית כדי להבטיח שהעובדים יבינו את אתיקה של בינה מלאכותית ויכולים לעבוד באופן אחראי עם טכנולוגיות בינה מלאכותית. ההכשרה משמשת גם לשיפור שלמותם ויעילותם של הכלים והפתרונות של הבינה המלאכותית של הארגונים.

רכיבים עיקריים של תוכנית לימודים אפקטיבית של הכשרה ב-AI

• פיתוח מקיף של תוכניות לימודים: השתמשו בתוכנית לימודים הכשרה המטפלת ביסודות בינה מלאכותית, שיקולים אתיים, בעיות תאימות ויישומים מעשיים, המותאמים לתפקידים ארגוניים שונים מצוות טכני ועד לניהול מנהלים.
• מודולי הכשרה ייחודיים לתפקיד: ספק מודולי הכשרה המותאמים אישית לצרכים הייחודיים ותחומי אחריות של מחלקות שונות. לדוגמה, מפתחים עשויים להתמקד בפרקטיקות קידוד אתיות, בעוד שצוותי מכירות ושיווק לומדים על ההשלכות של בינה מלאכותית באינטראקציות עם לקוחות.
• למידה ועדכונים מתמשכים: בינה מלאכותית מתפתחת במהירות, ולכן חשוב להקפיד על תוכניות הכשרה עדכניות עם הפיתוחים האחרונים והתהליכים מייעלי העבודה.
• חוויות למידה אינטראקטיביות ומעשיות: השתמשו בלימודי מקרה, הדמיות וסדנאות כדי להמחיש יישומים בעולם האמיתי ואתגרים אתיים לתמיכה בידע תאורטי עם ניסיון מעשי.
• הערכה והסמכה: ניהול הערכות כדי לאמוד את ההבנה והמומחיות של העובדים באתיקה של בינה מלאכותית ולשקול להציע אישור להכיר ולהניע שיפור מתמשך.
• מנגנוני משוב: הגדר ערוצי משוב לעובדים כדי שיתרום לחידון השוטף של תוכניות ההכשרה, והבטיח להם מענה לצרכים המתפתחים של הארגון.

מקרי שימוש באתיקה של בינה מלאכותית עבור תפקידים שונים בארגון

כל אחד בארגון שעובד עם יישומים המופעלים על-ידי AI, או עם מנועי תשובה של בינה מלאכותית, צריך להיות זהיר עבור הסיכון של הטיית ai ועבודה אחראית. דוגמאות למקרי שימוש באתיקה של בינה מלאכותית עבור תפקידים שונים או מחלקות בעסקים ארגוניים הן:

• מדעני נתונים או מהנדסי למידת מכונה: בתפקידים אלה, מומלץ לשלב שיטות לאיתור ולמיתון הטיה, הבטחת יכולת הסברה של מודל והרחבת מודל. זה כרוך בטכניקות כמו מדדי הגינות וניתוח עובדתי נגדי.
• מנהלי מוצרים או אנליסטים עסקיים: תחומי אחריות הקשורים לאתיקה של בינה מלאכותית יכולים להשתנות מהערכות סיכון אתיות, מתן עדיפות לעיצוב ממוקד משתמש ופיתוח אסטרטגיות תקשורת ברורות להסברת מערכות AI למשתמשים ולבעלי עניין. זה כולל התחשבות בהשפעות חברתיות פוטנציאליות, צורכי משתמש ובניית אמון באמצעות שקיפות.
• מחלקה משפטית ותאימות: מקרי שימוש קריטיים הם תאימות לתקנות רלוונטיות (לדוגמה, חוקי פרטיות נתונים), ניהול סיכונים משפטיים ורגואליים המשויכים ל-AI, ופיתוח אסטרטגיות לצמצום התחייבויות הנובעות מהטיה אלגוריתמית או תוצאות לא מכוונות
• אנשי מקצוע בתחום משאבי האנוש: מחלקת משאבי האנוש צריכה לעבוד עם כלי גיוס המופעלים על-ידי AI, החופשיים מההטיה ועומדים בחוקים נגד אפליה. משימות כוללות ביקורת אלגוריתמים, יישום מערכות אנושיות בלולאה ומתן הכשרה על נוהגי גיוס של בינה מלאכותית אתית.

הרשויות באתיקה של בינה מלאכותית

אתיקה של בינה מלאכותית מורכבת, מעוצבת על ידי תקנות מתפתחות, תקנים משפטיים, פרקטיקות תעשייה והתקדמות טכנולוגית. ארגונים חייבים להישאר מעודכנים בשינויים במדיניות שעשויים להשפיע עליהם - והם צריכים לעבוד עם בעלי עניין רלוונטיים כדי לקבוע אילו קווי מדיניות חלים עליהם. הרשימה שלהלן אינה ממצה אך מספקת תחושה של מגוון ארגוני משאבי המדיניות צריכים לחפש על סמך התעשייה והאזור שלהם.

דוגמאות של משאבים ורשויות אתיקה של בינה מלאכותית

ACET Artificial Intelligence for Economic Policymaking Report: מחקר זה של המרכז האפריקאי לטרנספורמציה כלכלית מעריך את השיקולים הכלכליים והאתיים של בינה מלאכותית במטרה ליידע מדיניות כלכלית, פיננסית ותעשייתית כוללת ובת קיימא ברחבי אפריקה.

אלגוריתם Watch: ארגון זכויות אדם הדוגל ומפתח כלים ליצירה ולשימוש במערכות אלגוריתמיות אשר מגנות על הדמוקרטיה, שלטון החוק, החופש, האוטונומיה, הצדק והשוויון.

מדריך ASEAN לפיקוח ואתיקה של בינה מלאכותית: מדריך מעשי למדינות החברות באיגוד מדינות דרום מזרח אסיה לעיצוב, פיתוח ופריסה של טכנולוגיות בינה מלאכותית בצורה אתית ופרודוקטיבית.

European Commission AI Watch: מרכז המחקר המשותף של הנציבות האירופית מספק הדרכה ליצירת מערכות בינה מלאכותית אמינות, כולל דוחות ולוחות מחוונים ייחודיים למדינה כדי לסייע במעקב אחר הפיתוח, הביצוע וההשפעה של בינה מלאכותית עבור אירופה

דוח אחריות NTIA AI: דוח לאומי זה של ניהול מידע וטלקומוניקציה מציע אמצעים התנדבותיים, רגולטוריים ואחרים כדי להבטיח מערכות בינה מלאכותית חוקיות ואמינות בארצות הברית.

OECD AI Principles: פורום זה של מדינות וקבוצות בעלי עניין פועל לעיצוב בינה מלאכותית אמינה. בשנת 2019 הוא הקל על עקרונות ה-OECD AI, התקן הבין-ממשלתי הראשון ב-AI. עקרונות אלה שימשו גם כבסיס לעקרונות G20 AI.

המלצה של אונסק"ו על האתיקה של בינה מלאכותית: מסגרת המלצה זו של סוכנות האו"ם אומצה על ידי 193 מדינות חברות לאחר תהליך התייעצות עולמי בן שנתיים עם מומחים ובעלי עניין.

סיכום

בסופו של דבר, פיתוח ופריסה של בינה מלאכותית אתית דורשים גישה רבת פנים. כארגון, מומלץ לבסס עקרונות אתיים ברורים, לשלב אותם בתהליכי פיתוח בינה מלאכותית ולהבטיח ציות מתמשך באמצעות תוכניות איתנה לממשל והדרכה. על ידי מתן עדיפות לערכים ממוקדי אדם כמו הגינות, שקיפות ואחריות, עסקים יכולים לרתום את הכוח של בינה מלאכותית בצורה אחראית, להניע חדשנות תוך צמצום סיכונים פוטנציאליים ולהבטיח שטכנולוגיות אלו ירוויחו לחברה כולה.

קרא עוד