نظرا لأن علم البيانات أصبح أكثر تطورا ويطالب المستهلكون بشكل متزايد بتجربة عملاء أكثر تخصيصا ، فإن الذكاء الاصطناعي هي أداة لمساعدة الشركات على فهم عملائها وجماهيرها بشكل أفضل. ولكن حتى لو كان لدى الذكاء الاصطناعي كل الإمكانات في العالم، فإن هذه الإمكانات الكاملة قد لا تتحقق أبدا إذا لم نتمكن من معرفة كيفية مواجهة التحديات الأخلاقية المتبقية. مع تطور هذه التكنولوجيا ، فإن أحد الأسئلة التي يجب أن يضعها في الاعتبار جميع القادة الذين يسعون إلى تنفيذ استراتيجية الذكاء الاصطناعي هو كيفية تعظيم الاستفادة من الذكاء الاصطناعي داخل المؤسسة بطريقة أخلاقية ومسؤولة. لتنفيذ وتوسيع نطاق قدرات الذكاء الاصطناعي التي تحقق عائدا إيجابيا على الاستثمار، مع تقليل المخاطر، والحد من التحيز، ودفع الذكاء الاصطناعي إلى القيمة، يجب على المؤسسات اتباع أربعة مبادئ:
1. فهم الأهداف والغايات والمخاطر
قبل حوالي سبع سنوات، أصدرت إحدى المنظمات ما أسمته "دورة الضجيج للتكنولوجيات الناشئة"، متنبأة بالتقنيات التي من شأنها أن تحول المجتمع والأعمال التجارية على مدى العقد المقبل. الذكاء الاصطناعي هو واحد من هذه التقنيات. وقد دفع إصدار التقرير الشركات إلى التدافع لإثبات للمحللين والمستثمرين أنهم على دراية الذكاء الاصطناعي، وبدأ العديد منهم في تطبيق استراتيجيات الذكاء الاصطناعي على نماذج أعمالهم. ومع ذلك ، في بعض الأحيان تثبت هذه الاستراتيجيات أنها سيئة التنفيذ ولا يمكن استخدامها إلا كفكرة لاحقة للأهداف التحليلية أو العددية الحالية. وذلك لأن الشركات ليس لديها فهم واضح لمشكلة العمل التي تبحث عنها الذكاء الاصطناعي لحلها. يتم تنفيذ 10٪ فقط من نماذج الذكاء الاصطناعي والتعلم الآلي التي طورتها الشركات. الذكاء الاصطناعي متخلفة عن الانفصال التاريخي بين الشركة المعنية وعلماء البيانات الذين يمكنهم استخدام الذكاء الاصطناعي لحل المشكلة. ومع ذلك ، مع زيادة نضج البيانات ، بدأت الشركات في دمج مترجمي البيانات في سلاسل القيمة المختلفة ، مثل احتياجات أعمال التسويق لاكتشاف النتائج وتحويلها. هذا هو السبب في أن المبدأ الشامل لتطوير استراتيجية الذكاء الاصطناعي الأخلاقية هو فهم جميع الأهداف والغايات والمخاطر ، ثم إنشاء نهج لامركزي الذكاء الاصطناعي داخل المؤسسة.
2. معالجة التحيز والتمييز
عانت الشركات الكبيرة والصغيرة من أضرار في سمعتها ولا يثق بها العملاء لأن الذكاء الاصطناعي الحلول لم يتم تطويرها بشكل صحيح لمعالجة التحيز. لذلك يجب على الشركات التي تنشئ نماذج الذكاء الاصطناعي اتخاذ تدابير وقائية لضمان عدم تسبب حلولها في ضرر. الطريقة للقيام بذلك هي إنشاء إطار عمل لمنع أي تأثير سلبي على تنبؤات الخوارزمية. على سبيل المثال، إذا أرادت شركة ما فهم مشاعر العملاء بشكل أفضل من خلال الاستطلاعات، مثل كيفية إدراك مجتمع ممثل تمثيلا ناقصا لخدماتها، فقد تستخدم علم البيانات لتحليل استطلاعات العملاء هذه والتعرف على أن نسبة مئوية من الردود كانت بلغات أخرى غير الإنجليزية، وهي اللغة الوحيدة التي يمكن أن تفهمها خوارزمية الذكاء الاصطناعي. لحل هذه المشكلة ، لا يمكن لعلماء البيانات تعديل الخوارزمية فحسب ، بل يمكنهم أيضا دمج الفروق الدقيقة المعقدة في اللغة. إذا تمكنوا من فهم هذه الفروق اللغوية الدقيقة والجمع بين الذكاء الاصطناعي ولغة أكثر طلاقة لجعل هذه الاستنتاجات أكثر قابلية للتنفيذ ، فستتمكن الشركات من فهم احتياجات المجتمعات الممثلة تمثيلا ناقصا لتحسين تجربة عملائها.
3. تطوير مجموعة كاملة من البيانات الأساسية
الذكاء الاصطناعي خوارزميات قادرة على تحليل مجموعات البيانات الكبيرة، ويجب على الشركات إعطاء الأولوية لتطوير أطر عمل لمعايير البيانات المستخدمة والتي تستوعبها نماذجها الذكاء الاصطناعي. لتنفيذ الذكاء الاصطناعي بنجاح ، من الضروري وجود مجموعة بيانات شاملة وشفافة وقابلة للتتبع. ويجب أن الذكاء الاصطناعي في الحسبان التدخل البشري. مثل العامية والاختصارات والكلمات البرمجية والعديد من الكلمات الأخرى التي طورها البشر على أساس التطور المستمر ، كل منها يمكن أن يجعل خوارزميات الذكاء الاصطناعي عالية التقنية تخطئ. الذكاء الاصطناعي النماذج غير القادرة على التعامل مع هذه الفروق الدقيقة البشرية ينتهي بها الأمر إلى الافتقار إلى مجموعة البيانات الشاملة. الأمر أشبه بمحاولة القيادة بدون مرآة للرؤية الخلفية ، مع بعض المعلومات المطلوبة ، ولكن عدم وجود نقاط عمياء رئيسية. يجب على الشركات إيجاد توازن بين البيانات التاريخية والتدخل البشري من أجل أن تفهم نماذج الذكاء الاصطناعي هذه الفروق المعقدة. من خلال الجمع بين البيانات المنظمة وغير المنظمة والتدريب الذكاء الاصطناعي للتعرف على كليهما ، يمكن إنشاء مجموعة بيانات أكثر شمولا وتحسين دقة التنبؤات. علاوة على ذلك ، يمكن أن يكون تدقيق الجهات الخارجية لمجموعات البيانات ميزة إضافية ، خالية من التحيز والتناقضات.
4. تجنب "الصندوق الأسود" لتطوير الخوارزميات
النهج لكي تكون الذكاء الاصطناعي أخلاقية ، يجب أن تكون شفافة تماما. لتطوير استراتيجيات الذكاء الاصطناعي شفافة وقابلة للتفسير والتفسير في نفس الوقت ، يجب على الشركات فتح "الصندوق الأسود" للشفرة لفهم كيفية قيام كل عقدة في الخوارزمية باستخلاص الاستنتاجات وتفسير النتائج. في حين أن هذا يبدو بسيطا ، إلا أن تحقيق ذلك يتطلب إطارا تقنيا قويا يمكنه تفسير سلوك النموذج والخوارزمية من خلال النظر إلى الشفرة الأساسية لإظهار التنبؤات الفرعية المختلفة التي يتم إنشاؤها. يمكن للشركات الاعتماد على أطر مفتوحة المصدر لتقييم نماذج الذكاء الاصطناعي والتعلم الآلي عبر أبعاد متعددة، بما في ذلك:
تحليل الميزات: لتقييم تأثير تطبيق ميزات جديدة على النماذج الحالية
تحليل العقدة: شرح مجموعة فرعية من التنبؤات
التحليل المحلي: تفسير التنبؤات الفردية وميزات المطابقة لتحسين النتائج
● التحليل العالمي: يوفر مراجعة من أعلى إلى أسفل لسلوك النموذج العام والميزات الرئيسية. الذكاء الاصطناعي هو تقنية معقدة مع العديد من المزالق المحتملة إذا لم تكن الشركات حذرة.
يجب أن يعطي نموذج الذكاء الاصطناعي الناجح الأولوية للأخلاقيات من اليوم الأول ، وليس فكرة لاحقة. عبر الصناعات والشركات، الذكاء الاصطناعي ليس مقاس واحد يناسب الجميع، ولكن القاسم المشترك الوحيد الذي يجب أن يحقق اختراقات هو الالتزام بالتنبؤ الشفاف وغير المتحيز.