人工智能的目标不是取代人类智慧，而是增强和放大人类的决策。
蓝色电路板背景上的虚拟人3D插图的双重曝光图像代表人工智能AI技术
人工智能作为一个技术类别已经变得如此广泛，以至于它几乎失去了所有意义。它涵盖了从聊天机器人到自动驾驶汽车再到《终结者II》的场景等所有内容。
这种模糊性影响了人工智能在许多企业中的采用，并增加了对数据隐私保护和人工智能更大责任的渴望。最近，拜登总统公布了一项人工智能权利法案，旨在为政府中的人工智能设定人工智能框架和新标准（指《人工智能权利法案蓝图——让自动化系统为美国人民服务》）。
2022年10月发布的《人工智能权利法案蓝图——让自动化系统为美国人民服务》
那么，机构领导者如何负责任和自信地推动人工智能向前发展呢？
破解和定义人工智能能做什么或不能做什么是这个过程的第一步。通过明确定义人工智能是什么和不是什么，可以消除误解，并且可以自信地使用支持复杂任务的人工智能模型。
人工智能作为力量倍增器
人工智能是达到目的的手段，是政府机构和企业的使能手段和力量倍增器，他们可以而且应该利用它来获取优势地位。今天使用的大多数人工智能解决方案都让人类参与每项任务，以确保创造力、常识，在某些情况下，情商仍然是决策的核心。
尽管今天的人工智能无法像人类一样灵活运用每一块肌肉，但它确实带来了五种重要的“眼力”（sights）：后见之明、先见之明、洞察力、监督和做正确的事。充分了解这五种眼力及其价值是实施人工智能功能的关键，以便在国家安全这样的复杂使命或疾病控制服务台电话之类的日常事务中加速任务成果。
人工智能的五种“眼力”：
眼力一：后见之明（Hindsight）
了解过去（Understand the Past）：后见之明（或者说事后诸葛亮）是人工智能最容易获得的景象。它使用历史数据提供关键的商业情报和运营背景。领导者可以利用后见之明来充分了解过去发生的事情，并进行比较和纠正路线。想象一下，需要了解任何数量的纸质应用程序的过去处理时间，以便利益相关者能够最大限度地提高新实施的数字系统的效率。AI可以提供仪表板视图，而无需Oracle查询、数据调用和电子表格的麻烦，以快速强调比较，而不会出现知识差距。人工智能的这一功能有助于将机构从静态时间点报告发展为动态、实时的仪表板，从而加快决策速度。
明光二：远见之明（Foresight）
预测未来（Anticipate the Future）：远见之明通过机器学习，使用预测措施来预测未来可能发生的事情。它可以帮助机构实现端到端的理解，以推动未来的运营和规划。例如，美国国家海洋和大气管理局（NOAA）可以使用风速和地热数据的预测模型，以更早、更准确地预测飓风何时登陆，确保做好准备。
眼力三：洞察力（Insight）
塑造“为什么”（Shape the Why）：这种“眼力”提供了对某事可能发生的条件概率的看法；具体来说，就是用预见性的方法预测的东西。这种“眼力”提供了近乎实时的建议，以根据预期的限制和需求优化模型。它使机构能够使用预测工具引导商业决策走向有利的结果，从而量身定制解决方案。这在危机时期很有帮助，比如COVID-19大流行期间，通过线性或贝叶斯优化等工具，评估劳动力的影响，并在当前和未来场景中调整运营。了解“为什么”使各机构能够在每个阶段制定规范，以避免瓶颈并预测任务效能受到的威胁。
眼力四：监督（Oversight）
即时驱动（Drive the Now）：人工智能为决策提供了一个通用作战图和实时指标。数据融合结合了来自许多来源的数据，以提供洞察力和决策优势。这包括在不同的许可级别组织来自许多来源的复杂和敏感的数据，以便为下一步的主动行动提供信息。互操作性和监督在国防和情报机构中是至关重要的，在这些机构中，高风险的任务要求有能力将从传感器到开源情报的大量数据放在一起，以做出明智的作战环境决策。
眼力五：做正确的事（Rightsight）
快速交付（Deliver the Speed）：“做正确的事”要求以相关的速度提供机器学习推理。这个“眼力”使用深度学习来提供正确的数据给正确的人，现在。它同时连接所有的点，以完成任务，并在瞬间找到细化的数据，这甚至是最好的分析师都做不到的。想象一下，战场上的士兵在一瞬间就获得了他们需要的信息。深度机器学习提供了放大的情报，因此用户可以快速准确地采取行动，将每种“眼力”聚集在一起，作为一个整体运作。
人机合作
现实情况是，人工智能的好坏取决于创造它的人和使用它来做决策的人。人机伙伴关系是必不可少的，这种伙伴关系是值得接受的，而不是可怕的。人工智能的五种“眼力”遵循一个成熟度模型，该模型展示了人们和人工智能算法如何异步和谐地工作，以实现效率并使遗留系统现代化。
我们的目标不是用人工智能取代人类智慧，而是增强和放大人类的决策，以实现更好、更快的解决方案。当机器推动数字化转型并赋予人类创新能力时，每个人都是赢家，并且可以快速和负责任地实现前所未有的任务成果。
作者杰伊·梅尔（Jay Meil）是SAIC人工智能创新工厂的首席数据科学家。
C4isrnet网站，2022年11月9日。
转自：“测绘学术资讯”微信公众号
如有侵权，请联系本站删除！
