Искусственный интеллект

Искусственный интеллект развивался через несколько различных парадигм. Каждый из них добавлял новые возможности, не устраняя необходимость в человеческом суждении, надежных данных и тщательной проверке.

• Символические рассуждения и экспертные системы
• Статистическое машинное обучение
• Глубокие нейронные сети
• Фундамент и мультимодальные модели
• Агентские системы, подключенные к инструментам

Современный ИИ — это операционный контур, а не отдельная модель. Ценность появляется только тогда, когда данные, вычисления, модели, оценки, человеческие роли и реальный рабочий процесс собираются в одну управляемую систему.

• Архитектура данных и знаний
• Вычислительная и модельная инфраструктура
• Тестирование, оценка, верификация и валидация
• Человеческий надзор и рабочие процедуры
• Мониторинг, реагирование на инциденты и постоянное улучшение

Мир объединяет системы, которые воспринимают, генерируют, извлекают, рассуждают, прогнозируют и действуют. Полезная конфигурация зависит от задачи, уровня риска, языка, территории и доступной инфраструктуры.

• Мультимодальные модели фундамента
• Графы генерации и знаний с расширенным поиском
• Компьютерное зрение, речь и языковые системы
• Edge AI и эффективные локальные модели
• Оркестрация агентов и использование инструментов
• Воплощенный искусственный интеллект и робототехника

Территория может использовать ИИ в качестве уровня поддержки принятия решений и обслуживания, сохраняя при этом контроль над подотчетными людьми. Проекты начинаются с конкретной общественной, научной, промышленной или инфраструктурной проблемы.

• Госуслуги и документооборот
• Здравоохранение и поддержка здоровья населения
• Образование, исследования и научные открытия
• Транспорт, коммунальные услуги и критическая инфраструктура
• Промышленность, сельское хозяйство и экологический мониторинг
• Чрезвычайное планирование и реагирование на стихийные бедствия

Надежная программа переходит от определенной проблемы к контролируемой операционной системе. На каждом этапе есть доказательства, ответственный владелец, условие остановки и решение о том, следует ли продолжать.

• Определить результат, пользователей и неприемлемый вред
• Аудит данных, прав, безопасности и инфраструктуры
• Создайте ограниченный пилот с запасным вариантом для человека
• Оценивать качество, предвзятость, надежность и неправильное использование.
• Безопасная интеграция и обучение операторов
• Мониторинг результатов, инцидентов, отклонений и общественной ценности

Эти независимые официальные ресурсы предоставляют стандарты, основы управления и практические инструменты. Это маршруты для изучения и не подразумевают партнерство с Distributed Hub.

• NIST AI Risk Management Framework
• NIST AI Resource Center
• OECD AI Policy Observatory
• UNESCO Recommendation on the Ethics of AI
• ITU AI Standards Exchange
• ISO/IEC JTC 1/SC 42 — Artificial intelligence

Надежное использование требует большего, чем просто точность. Управление должно охватывать полный жизненный цикл и реальное воздействие на людей, учреждения, инфраструктуру и окружающую среду.

• Неверный, ненадежный или выдуманный результат
• Предвзятость, исключение и неравный доступ
• Конфиденциальность, интеллектуальная собственность и утечка данных
• Кибербезопасность, манипуляции и злоупотребление моделями
• Слепое доверие автоматизации и неясная подотчетность
• Воздействие на энергетику, воду и цепочки поставок

На следующем этапе будут объединены более сильные модели с меньшими локальными системами, научными инструментами, робототехникой и проверяемыми рабочими процессами. Прогресс будет зависеть не только от масштаба, но и от фактических данных, эффективности и институционального потенциала.

• Эффективные многоязычные и предметно-ориентированные модели
• Поддающиеся проверке агенты, действующие под явными полномочиями
• Научные ассистенты и автономные лаборатории
• Интеллект на устройстве и на периферии
• Воплощенные системы, работающие в физическом мире
• Совместимая инфраструктура оценки и обеспечения качества

Для правительства, города, университета, компании или сообщества первым результатом является карта, готовая к принятию решений, а не общая презентация продаж. Он связывает задачу с фактическими данными, возможностями, рисками и реалистичным маршрутом реализации.

• Карта возможностей и проблем территориального ИИ
• Портфель вариантов использования, ранжированный по ценности и риску
• Оценка пробелов в данных, инфраструктуре и возможностях
• Пилотная архитектура и план оценки
• Экспертный, исследовательский и технологический ландшафт
• Брифинг или презентация, адаптированная к учреждению