Methods-贸泽技术与解决方案杂志，及时了解技术创新与工程设计方面的重要资讯。
Issue link: https://trendsintech.mouser.com/i/1540278
人工智能监管框架 作者：Robert Dempsey，贸泽电子专稿 人工智能 (AI) 的快速崛起引发了关 于监管、伦理和社会影响的激烈讨 论。与其他技术不同，AI先于监管框 架推出，导致在训练数据、隐私和知 识产权方面出现争议。欧盟2023年 通过的《人工智能法案》是针对AI的 首次重大立法回应，但如何在不扼杀 创新的情况下监管这一变革性技术 仍存在疑问。接下来，我们将通过与 AI专家Jared Bowns的讨论，分享他 对AI监管领域挑战与机遇的见解。 Dempsey：在开始之前，您能先做个 自我介绍吗？ Bowns：好的。我是Elyxor的数据与AI 实践负责人，专注于软件咨询、技术战 略制定与实施。过去十年间，我有幸 参与了多项变革性AI项目，尤其是在 DataRobot担任工程副总裁期间， 我 成立了可解释AI团队，致力于与政府 机构和行业领导者合作制定监管框架， 以提高透明度和合规性。我热衷于让 AI不仅富有创新性，更真正触手可及。 探索适应性监管的概念 适应性监管对您意味着什么，如何在 AI行业中有效实施？ 适应性监管意味着拥有随着时间推移 而不断演进的灵活规则，尤其是在AI等 高速发展的领域，几乎每隔数周就会 出现突破性进展。无论是初创企业，还 是像谷歌、亚马逊或OpenAI这样的成 熟企业，AI领域的快读发展都要求监管 框架既能保障安全，又不阻碍创新。一 成不变的立法是行不通的。相反，我们 需要一个类似于美国联邦贸易委员会 或证券交易委员会的专门监管机构，专 门负责制定和维护适合AI的监管框架。 监管框架如何才能跟上AI的快速发展， 同时又不阻碍创新？ 首先需要承认的是，期待政府能面面 俱到地处理所有问题，确实有些不切 实际。促进顶尖研究人员、公共部门 和私营部门之间的合作至关重要。AI 对不同行业的影响大不相同，这意味 着一刀切的监管方式行不通。英国的 AI Airlock计划就是一个成功的定制 化方法例证。 该计划提供了一个安全 的实验空间，同时吸取经验教训，为新 兴监管框架提供参考。其公私合作模 式非常成功，可为其他领域提供借鉴。 鉴于针对OpenAI的诉讼案例，您如 何看待促进创新与安全之间的平衡？ 随着行业的发展，诉讼在所难免。早期 阶段往往混乱不堪，我们已看到了涉及 OpenAI的版权诉讼案例。然而，这些 案例也凸显了问责机制和防护措施的 必要性。例如，企业通过投资早期初创 公司来巩固市场主导地位的行为，引发 了对垄断行为的担忧，进而可能会阻碍 创新。监管必须防止垄断，同时又不阻 碍小型企业的进步。企业必须在推动创 新与履行问责之间取得平衡，以确保市 场竞争的公平性和技术发展的伦理性。 您能否举例说明其他行业可能适用于 AI的监管方法？ 如果我们回顾一下二十世纪五六十年 代的历史案例，许多极具变革性的技 术均源自政府资助的研究或公共与私 营部门的合作。同样，AI的发展也可 能受益于公共与私营部门投资的结 合，以确保创新与社会目标相一致。 预测性AI与生成式AI的区别 预测性AI与生成式AI有哪些本质区别？ 为什么必须明确区分两者？ 预测性AI与生成式AI听起来可能很相 似，因为它们都属于AI范畴，但它们的 应用场景却大不相同。预测性AI专注 于分析历史数据以预测未来结果，例 如预测客户流失率或判断设备故障的 可能性。它利用历史数据识别模式并计 算概率。而生成式AI则用于创建新内 容 文本、图像或模拟。虽然预测性 AI在基于概率的决策制定方面表现出 色，但生成式AI更适合创意任务，如头 脑风暴或模拟可能性。所以选择合适 的工具非常重要；若将错误类型的AI应 用于特定问题，可能导致糟糕的结果。 | 36