هوش مصنوعی به سرعت در حال پیشرفت است و می‌تواند بسیاری از وظایف کسب و کاری را به صورت خودکار انجام دهد، اما رهبران فناوری اطلاعات نسبت به اعطای دسترسی به سیستم‌های سازمانی محتاط هستند.

یکی از چالش‌های اصلی، نحوه اندازه‌گیری قابلیت اطمینان هوش مصنوعی است. استانداردهای صنعتی معمولاً به امتیازهای EVAL تکیه می‌کنند که فقط نمایی ثابت از عملکرد را ارائه می‌دهد و نتایج کلی را به‌خوبی نشان نمی‌دهد. برای مثال، برای پیش‌بینی مشخص در شرایط و ورودی‌های مختلف به این معیارها نمی‌توان به سادگی استناد کرد، این موضوع را برایان سیلورتورن، مدیر آزمایشگاه تحقیقاتی AGI در آمازون، بیان کرد.

آزمایشگاه AGI آمازون به‌جای اتکا به معیارهای خام عملکرد، بر روی یک چارچوب ساختاری که بر اساس ثبات، استحکام، پیش‌بینی‌پذیری و ایمنی بنا شده، تمرکز کرده است. هدف آمازون پر کردن شکاف اعتماد از طریق تعاملات قابل راستی‌آزمایی است، به‌ویژه در حوزه‌های حساس مانند مالی که ممکن است آسیب‌پذیری بالایی به همراه داشته باشد. سیلورتورن در جلسه‌ی خود در VB Transform به تفصیل درباره رویکرد آمازون برای ساخت هوش مصنوعی قابل اعتماد و راه‌های انتقال از معماری‌های تک‌عامله به معماری‌های چندابزاره صحبت خواهد کرد.

تحلیل و بررسی:

با توجه به تمایل آمازون به تمرکز بر جنبه‌های ایمنی و غیرمتمرکز بودن سیستم‌ها، می‌توان انتظار داشت که دیگر شرکت‌ها نیز این رویکرد را در پیش بگیرند. احتمالاً در آینده، استانداردهای جدیدی در حوزه ارزیابی و اعتمادسازی هوش مصنوعی ایجاد خواهد شد. همچنین، این تغییرات می‌تواند تأثیر عمیقی بر پذیرش فناوری‌های هوش مصنوعی در عرصه‌های حساسی همچون بانکداری و خدمات مالی داشته باشد.

منبع: VentureBeat (مشاهده متن اصلی)

لینک کوتاه: inoit.ir/post/286 کپی شد!