Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

美国科技政策必须与人工智能创新保持同步

Posted on 2023-05-14
Rudina Seseri贡献者
分享到Twitter
Rudina Seseri 是Glasswing Ventures的创始人兼执行合伙人,他领导该公司在人工智能 (AI) 支持的企业软件即服务 (SaaS)、云、信息技术 (IT) 软件和垂直市场方面的投资。
此贡献者的更多帖子

  • 美国人工智能计划真正需要什么
  • “可解释的人工智能”的问题

随着人工智能 (AI) 的创新超越新闻周期并引起公众关注,负责任和合乎道德的开发和使用框架对于确保这一前所未有的技术浪潮充分发挥其潜力成为对经济和社会进步的积极贡献变得越来越重要.

欧盟已经在努力制定有关负责任的人工智能的法律;将近两年前,我分享了我对这些举措的看法。然后,众所周知,人工智能法案是“一种客观和衡量创新和社会考虑的方法”。今天,技术企业的领导者和美国政府齐聚一堂,为负责任的人工智能制定统一的愿景。

生成式人工智能的力量

去年,OpenAI 发布的 ChatGPT 吸引了技术创新者、商业领袖和公众的想象力,消费者对生成 AI 功能的兴趣和理解呈爆炸式增长。然而,随着人工智能成为主流,包括作为一个政治问题,以及人类实验和测试系统的倾向,错误信息的能力、对隐私的影响以及网络安全和欺诈行为的风险有可能迅速成为事后诸葛亮。

为了尽早应对这些潜在挑战并确保负责任的 AI 创新以保护美国人的权利和安全,白宫宣布了促进负责任 AI 的新行动。

在白宫上周发布的一份情况说明书中,拜登-哈里斯政府概述了三项行动,以“促进负责任的美国人工智能 (AI) 创新并保护人们的权利和安全。”这些包括:

  • 为负责任的美国 AI 研发提供支持的新投资。
  • 对现有生成人工智能系统的公共评估。
  • 确保美国政府在减轻人工智能风险和利用人工智能机会方面以身作则的政策。

新投资

关于新投资,与私营公司筹集的资金相比,美国国家科学基金会为启动七个新的国家人工智能研究所提供的 1.4 亿美元资金相形见绌。

虽然方向正确,但与其他国家的政府投资相比,美国政府对 AI 的投资总体上是微不足道的,即中国于 2017 年开始投资。通过学术合作伙伴关系促进劳动力发展和研究,现在有机会扩大投资的影响。政府应该资助人工智能中心以及已经处于人工智能研发前沿的学术和企业机构,推动创新并利用人工智能的力量为企业创造新的机会。

人工智能中心与麻省理工学院苏世民学院和东北大学体验式人工智能研究所等顶尖学术机构的合作,汇集了来自学术界、工业界和政府的专家,就前沿研究和创新进行合作,有助于弥合理论与实际应用之间的差距。具有实际应用的开发项目。通过与大型企业合作,这些中心可以帮助企业更好地将 AI 集成到他们的运营中,从而提高效率、节省成本并改善消费者结果。

此外,这些中心通过为学生提供最先进的技术、实际项目的实践经验以及行业领导者的指导,帮助培养下一代人工智能专家。通过对 AI 采取积极主动和协作的方法,美国政府可以帮助塑造一个 AI 增强而不是取代人类工作的未来。因此,所有社会成员都可以从这项强大技术创造的机会中受益。

公开评估

模型评估对于确保 AI 模型准确、可靠且无偏差至关重要,这对于在实际应用中成功部署至关重要。例如,想象一个城市规划用例,在这个用例中,生成人工智能在被划为红线的城市上进行训练,这些城市的历史上贫困人口代表性不足。不幸的是,它只会导致更多相同的事情发生。贷款的偏见也是如此,因为越来越多的金融机构正在使用人工智能算法来做出贷款决策。

如果这些算法是根据歧视某些人口群体的数据进行训练的,它们可能会不公平地拒绝向这些群体提供贷款,从而导致经济和社会差异。尽管这些只是 AI 偏见的几个例子,但无论新的 AI 技术和技巧的开发和部署速度有多快,都必须牢记这一点。

为了打击人工智能的偏见,政府宣布在 DEFCON 31 AI Village 上进行模型评估的新机会,这是一个供研究人员、从业者和爱好者聚集在一起探索人工智能和机器学习最新进展的论坛。模型评估是一项与该领域的一些主要参与者合作的计划,包括 Anthropic、谷歌、Hugging Face、微软、Nvidia、OpenAI 和 Stability AI,利用了 Scale AI 提供的平台。

此外,它将衡量这些模型如何与拜登-哈里斯政府的人工智能权利法案蓝图和美国国家标准与技术研究院 (NIST) 的人工智能风险管理框架中概述的原则和实践保持一致。这是一个积极的发展,政府直接与企业接触并利用该领域技术领导者的专业知识,这些领域已成为企业 AI 实验室。

政府政策

关于确保美国政府在减轻人工智能风险和利用人工智能机会方面以身作则的政策的第三项行动,管理和预算办公室将起草关于美国政府使用人工智能系统的政策指南,以征求公众意见.同样,没有给出这些政策的时间表或细节,但今年早些时候发布的关于种族平等的行政命令预计将处于最前沿。

该行政命令包括一项规定,指示政府机构以促进公平的方式使用人工智能和自动化系统。为了使这些政策产生有意义的影响,它们必须包括激励措施和反响;它们不能仅仅是可选的指导。例如,NIST 安全标准是大多数政府机构部署的有效要求。不遵守这些规定,至少会让相关个人感到非常尴尬,并成为政府某些部门采取人事行动的理由。作为 NIST 或其他部分的政府人工智能政策必须具有可比性才能有效。

此外,遵守此类法规的成本不得成为创业驱动创新的障碍。例如,在监管合规成本与企业规模成比例的框架中可以实现什么?最后,随着政府成为人工智能平台和工具的重要买家,其政策成为构建此类工具的指导原则至关重要。将遵守此指南作为购买的字面甚至有效要求(例如,FedRamp 安全标准),这些政策可以起到推动作用。

随着生成式 AI 系统变得更加强大和广泛,所有利益相关者(包括创始人、运营商、投资者、技术专家、消费者和监管机构)都必须深思熟虑并有意识地追求和参与这些技术。虽然生成人工智能和更广泛的人工智能有可能彻底改变行业并创造新的机会,但它也带来了重大挑战,特别是在偏见、隐私和道德考虑等问题上。

因此,所有利益相关者都必须优先考虑透明度、问责制和协作,以确保以负责任和有益的方式开发和使用人工智能。这意味着投资于符合道德规范的 AI 研发,让不同的观点和社区参与进来,并为开发和部署这些技术制定明确的指导方针和法规。

美国技术政策必须跟上Walter Thompson最初发表于TechCrunch 的AI 创新步伐

原文: https://techcrunch.com/2023/05/14/u-s-tech-policy-must-keep-pace-with-ai-innovation/

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Big Technology
  • Bits about Money
  • Brandon Skerritt
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Dalool
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • HeardThat Blog
  • Henrique Dias
  • Herman Martinus
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Li Haoyi
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Maggie Appleton
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mind Matters
  • Mostly metrics
  • Naval Ravikant
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Steph Ango
  • Stephen Wolfram
  • Steve Blank
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • Wes Kao
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2025 搞英语 → 看世界 | Design: Newspaperly WordPress Theme