机器学习需要谨慎管理
皇家学会表示,基于AI技术的进步带来的许多潜在社会和经济效益完全依赖这些技术进化环境英国科学院新报告显示, 急需考虑未来十年需要的“谨慎管理”, 以确保机器学习的分红-人工智能形式-机器从数据学习-使机器从中学习-使英国社会所有方面都受益-
机器学习:计算机用实例学习的功劳今日发布(2017年4月25日)时正值快速开发使用技术的关键关头,关键报告呼吁研究资助机构支持新一波机器学习研究,超越技术挑战并深入解决公众对机器学习的信心领域-这对英国保持国际竞争优势至关紧要
报表还提供第一批证据说明英国公众对机器学习的看法,包括应用领域特别积极,以及实战数据输入技术增长需要公平安全处理
Peter Donnelly FRS教授报告工作组主席兼Wellcome人类遗传学信托中心主任兼牛津大学统计学教授表示:
machine学习已用于许多日常应用服务用它标记照片中的人,用手机解释语音命令,用互联网零售商提出建议,用银行识别信用卡或借记卡异常活动但这些当前应用只抓取理解面 技术能有多大威力
Machine学习将在未来五到十年内对生活和生活方式产生越来越大的影响需要做很多工作, 以便我们利用机器学习潜力, 确保分享利益,
行动计划不遗漏任何人并分享利益
报告呼吁在未来5至10年内在若干关键领域采取行动,以创造一种环境,即“小心管理”,帮助确保这一技术的惠益广博感知理解谁最受影响,收益分配的可能,增长契机何在,将是设计最有效干预的关键,使人民和企业适应并利用机器学习改变生活和生计
支持各级技能开发
- 23%的英国人缺乏基本数字技能
- 建设从学校到大学和工作场所各级数字技巧和理解,并确保机会不受性别、种族或社会-经济背景的限制
- 政府应考虑引进资金资助的机器学习硕士课程,以开发企业、行业和研究部门机器学习知识用户池
- 极需增加博士级和博士级以上培训,以投资下一代机器学习研究领头人
创造机学习机
- 集成机学习英国工业策略帮助企业充分利用其潜力
- 支持机器学习新一波研究,包括解决社会或伦理问题领域
创建数据环境支持机器学习
- 90%世界数据是在过去五年内生成
- 继续发扬英国公开数据和安全分享数据记录
- 存取无法开口数据-例如医学数据或商业敏感产业数据-有价值确保框架和协议到位,促进在这种情况下适当数据分享
赋能治理环境
- 支持知情公众辩论我们希望机器学习和如何分配利益
- 开发数据治理新框架-可跟上21世纪数据治理及其使用挑战可能会有特定问题说明机器学习在特定背景下使用,但应当以部门特有方式处理。
英国首次深入评估机器学习公众观点-由皇家学会和IpsosMORI-显示,虽然大多数人没有听说过机器学习词(只有9%知道),但绝大多数人至少听说过或使用其中一种应用公众对机器学习没有单一观点-视机学习环境而异的正面或负面态度举例说,计算机帮助诊断医学或帮助减轻对核心服务专业人员的压力,如保健和社会护理、教育和治安比计算机投资股市更受欢迎
与大多数新技术一样,受访者中有些人表达了关切。包括非人化或机器学习系统替代人的宝贵经验机器学习对就业的潜在影响机器学习系统可能造成伤害,例如自动机车辆事故机器学习系统限制选择,如引导消费者使用特定产品和服务
持续公众信任对实现机器学习允诺的好处至关重要,机器学习研究人员和从业者与公众的持续接触对实地开发很重要。报告还呼吁研究者考虑其工作的更广泛影响并接受识别伦理问题培训
完整报表可阅读皇家学会网站.
