전체 글 (291) 썸네일형 리스트형 생성 모델 (1) 인공지능 (AI) 시스템은 우리의 일상 생활에서 점점 더 많이 활용되지만, 그것들의 의사 결정 과정의 불투명성은 그것들의 신뢰성에 대한 윤리적인 우려와 의문을 제기할 수 있습니다. 이 문제를 해결하기 위해, 연구자들은 설명 가능한 AI (XAI)를 위한 생성 모델의 사용을 탐구하고 있습니다. 설명 가능한 인공지능 (XAI)은 인간에 의해 쉽게 이해되고 해석될 수 있는 인공지능 (AI) 시스템을 개발하기 위한 접근 방식입니다. XAI 시스템은 사용자가 그들의 결정 또는 권고에 어떻게 도달했는지에 대한 명확한 설명을 제공하여 사용자가 그들 뒤에 있는 이론적 근거를 이해할 수 있도록 설계되었습니다. XAI 기술은 AI 시스템을 더 해석 가능하고 설명 가능하게 만들기 위한 시각화 도구, 자연어 처리 및 기타 방.. 인공지능 위험 관리의 주요 원칙 (3) AI에 대한 규제와 표준은 빠르게 진화하고 있고 산업 또는 위치에 따라 매우 다양할 수 있기 때문에 컴플라이언스는 AI 위험 관리의 또 다른 핵심 범주입니다. 컴플라이언스 위험은 데이터 개인 정보 보호, 투명성, 공정성 및 책임과 관련된 문제를 포함할 수 있습니다. 회사 및 심지어 정부 당국은 그들의 AI 시스템이 모든 내부 정책 또는 윤리적 지침뿐만 아니라 모든 적용 가능한 법 및 규정을 준수하도록 보장해야 합니다. 예를 들어, 몇 년 전, 샌프란시스코는 도시 감독 위원회의 승인 전에 도시 기관에 의한 안면 인식 기술의 사용을 금지하는 "비밀 감시 중지 조례"를 통과시켰습니다. 이 조례는 안면 인식 기술의 잠재적인 사생활과 시민의 자유 침해에 대한 우려에 대응하여 통과되었습니다. AI 거버넌스 및 리스.. 인공지능 위험 관리의 주요 원칙 (2) 인공지능 위험 범주 효과적인 AI 위험 관리는 다양한 범주에 걸쳐 잠재적인 위험을 식별하고 완화해야 합니다. 대표적인 예시를 몇가지 카테고리와 함께 살펴보도록 하겠습니다. 데이터 관련 위험 (Data-Related Risks) 데이터는 인공지능 시스템의 생명선입니다. 그것은 모델 훈련, 새로운 상황에 대한 일반화, 적응 및 지속적인 개선을 가능하게 합니다. 그러나 AI 생성 콘텐츠의 대부분의 문제는 잘 수집되지 않고 연마된 데이터에서 비롯됩니다. 데이터 편향은 사회의 기존 고정관념을 영구화하는 불공정한 인공지능 시스템으로 이어질 수 있습니다. 인간과 달리, 인공지능 알고리즘은 다른 환경에 대한 판단과 맥락을 제공할 수 없습니다. 인간의 참여는 포괄적인 평가를 보장하고, 윤리적이고 사회적인 영향을 고려하며.. 이전 1 ··· 13 14 15 16 17 18 19 ··· 97 다음