人工智能系統(tǒng)是如何做出決定的

可解釋的人工智能可以讓人們理解人工智能系統(tǒng)是如何做出決定的，而這將成為醫(yī)療、制造、保險(xiǎn)、汽車領(lǐng)域的關(guān)鍵。那么這對(duì)于組織意味著什么？

例如，流媒體音樂服務(wù)平臺(tái)Spotify計(jì)劃向用戶推薦歌手JusTIn Bieber的歌曲，卻推薦了Belieber的歌，顯然這有些令人感到困擾。這并不一定意味著SpoTIfy網(wǎng)站的程序員必須確保他們的算法透明且易于理解，但人們可能會(huì)發(fā)現(xiàn)這有些偏離目標(biāo)，但其后果顯然是微不足道的。

這是可解釋人工智能的一個(gè)試金石——即機(jī)器學(xué)習(xí)算法和其他人工智能系統(tǒng)，它們可以產(chǎn)生人類可以容易理解并追溯到起源的結(jié)果?；谌斯ぶ悄艿慕Y(jié)果越重要，對(duì)可解釋人工智能的需求就越大。相反，相對(duì)低風(fēng)險(xiǎn)的人工智能系統(tǒng)可能只適合黑盒模型，人們很難理解其結(jié)果。

Jane.ai公司人工智能研發(fā)主管Dave Costenaro說：“如果人工智能算法的效果不夠好，比如音樂服務(wù)公司推薦的歌曲一樣，那么社會(huì)可能不需要監(jiān)管機(jī)構(gòu)對(duì)這些建議進(jìn)行監(jiān)管?！?/p>

人們可以忍受應(yīng)用程序?qū)ζ湟魳菲肺兜恼`解。但可能無法忍受人工智能系統(tǒng)帶來的更重要的決定，也許是在建議的醫(yī)療或拒絕申請(qǐng)抵押貸款的情況下。

這些都是高風(fēng)險(xiǎn)的情況，尤其是在出現(xiàn)負(fù)面結(jié)果的情況下，人們可能需要明確地解釋是如何得出特定結(jié)果的。在許多情況下，審計(jì)師、律師、政府機(jī)構(gòu)和其他潛在當(dāng)事人也會(huì)這樣做。

Costenaro表示，由于特定決策或結(jié)果的責(zé)任從人類轉(zhuǎn)移到機(jī)器，因此對(duì)可解釋性的需求也會(huì)增加。

Costenaro說，“如果算法已經(jīng)讓人類處于這個(gè)循環(huán)中，人類決策者可以繼續(xù)承擔(dān)解釋結(jié)果的責(zé)任?！?/p>

他舉例說明了一個(gè)為放射科醫(yī)生預(yù)先標(biāo)記X射線圖像的計(jì)算機(jī)視覺系統(tǒng)。他說，“這可以幫助放射科醫(yī)生更準(zhǔn)確、更有效地工作，但最終將提供診斷和解釋?！?/p>

IT的人工智能責(zé)任：解釋原因

然而，隨著人工智能的成熟，人們可能會(huì)看到越來越多的新應(yīng)用程序逐漸依賴于人類的決策和責(zé)任。音樂推薦引擎可能沒有特別重大的責(zé)任負(fù)擔(dān)，但許多其他真實(shí)或潛在的用例將會(huì)面臨重大的責(zé)任。

Costenaro說，“對(duì)于一類新的人工智能決策來說，這些決策具有很高的影響力，而且由于所需處理的速度或數(shù)量，人類不再能夠有效地參與其中，從業(yè)者們正在努力尋找解釋算法的方法?！?/p>

IT領(lǐng)導(dǎo)者需要采取措施確保其組織的人工智能用例在必要時(shí)正確地包含可解釋性。 TIgerGraph公司營(yíng)銷副總裁Gaurav Deshpande表示，許多企業(yè)首席信息官已經(jīng)關(guān)注這個(gè)問題，即使他們了解到特定人工智能技術(shù)或用例的價(jià)值，他們通常還有一些猶豫。

Deshpande說，“但是如果不能解釋是如何得出答案的，就不能使用它。這是因?yàn)椤诤小斯ぶ悄芟到y(tǒng)存在偏見的風(fēng)險(xiǎn)，這可能導(dǎo)致訴訟、對(duì)企業(yè)品牌以及資產(chǎn)負(fù)債表的重大責(zé)任和風(fēng)險(xiǎn)。”

這是思考企業(yè)如何以及為何采用可解釋的人工智能系統(tǒng)而不是操作黑盒模型的另一種方式。他們的業(yè)務(wù)可能依賴于它。人們對(duì)人工智能偏見的主張可能會(huì)被誤導(dǎo)。在風(fēng)險(xiǎn)較高的情況下，類似的要求可能相當(dāng)嚴(yán)重。而這就是可解釋的人工智能可能成為機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和其他學(xué)科的商業(yè)應(yīng)用的焦點(diǎn)的原因。

Ness數(shù)字工程公司首席技術(shù)官M(fèi)oshe Kranc對(duì)可解釋人工智能的潛在用例進(jìn)行了探討，他說，“任何影響人們生活的用例都可能受到偏見的影響?！逼浯鸢讣群?jiǎn)單又深遠(yuǎn)。

他分享了一些越來越多地可能由人工智能做出決定的例子，但這從根本上需要信任、可審計(jì)性和其他可解釋人工智能的特征：

·參加培訓(xùn)計(jì)劃

·決定是否為某人投保以及投保多少費(fèi)用

·根據(jù)人口統(tǒng)計(jì)數(shù)據(jù)決定是否向某人發(fā)放信用卡或貸款

考慮到這一點(diǎn)，各種人工智能專家和IT領(lǐng)導(dǎo)者為此確定可解釋人工智能必不可少的行業(yè)和用例。銀行業(yè)是一個(gè)很好的例子，可以這么說，可解釋的人工智能非常適合機(jī)器在貸款決策和其他金融服務(wù)中發(fā)揮關(guān)鍵作用。在許多情況下，這些用途可以擴(kuò)展到其他行業(yè)，其細(xì)節(jié)可能會(huì)有所不同，但原則保持不變，因此這些示例可能有助于思考組織中可解釋的人工智能用例。