ຄູ່ມືຂອງ ISC ສະເຫນີກອບທີ່ສົມບູນແບບທີ່ຖືກອອກແບບເພື່ອເຊື່ອມຕໍ່ຊ່ອງຫວ່າງລະຫວ່າງຫຼັກການລະດັບສູງແລະນະໂຍບາຍການປະຕິບັດ, ສາມາດປະຕິບັດໄດ້. ມັນຕອບສະຫນອງຄວາມຕ້ອງການອັນຮີບດ່ວນສໍາລັບຄວາມເຂົ້າໃຈທົ່ວໄປຂອງທັງໂອກາດແລະຄວາມສ່ຽງທີ່ນໍາສະເຫນີໂດຍເຕັກໂນໂລຢີທີ່ພົ້ນເດັ່ນຂື້ນ. ນີ້ແມ່ນເອກະສານທີ່ຈໍາເປັນສໍາລັບຜູ້ທີ່ເຮັດວຽກຢູ່ໃນການເຊື່ອມໂຍງນະໂຍບາຍໃນຍຸກດິຈິຕອນທີ່ມີການປ່ຽນແປງຢ່າງໄວວາຂອງພວກເຮົາ.
ໂຄງຮ່າງການຂຸດຄົ້ນທ່າແຮງຂອງ AI ແລະອະນຸພັນຂອງມັນໂດຍຜ່ານທັດສະນະທີ່ສົມບູນແບບ, ກວມເອົາສຸຂະພາບຂອງມະນຸດແລະສັງຄົມພ້ອມກັບປັດໃຈພາຍນອກເຊັ່ນ: ເສດຖະກິດ, ການເມືອງ, ສະພາບແວດລ້ອມແລະຄວາມປອດໄພ. ບາງດ້ານຂອງລາຍການກວດສອບອາດຈະມີຄວາມກ່ຽວຂ້ອງຫຼາຍກ່ວາອື່ນໆ, ຂຶ້ນກັບສະພາບການ, ແຕ່ການຕັດສິນໃຈທີ່ດີກວ່າເບິ່ງຄືວ່າມີແນວໂນ້ມທີ່ຈະພິຈາລະນາໂດເມນທັງຫມົດ, ເຖິງແມ່ນວ່າບາງຢ່າງສາມາດຖືກກໍານົດຢ່າງໄວວາວ່າບໍ່ກ່ຽວຂ້ອງໃນກໍລະນີໂດຍສະເພາະ. ນີ້ແມ່ນມູນຄ່າທີ່ເກີດຂຶ້ນຂອງວິທີການກວດສອບໄດ້.
“ໃນຍຸກທີ່ໝາຍເຖິງການປະດິດສ້າງທາງດ້ານເຕັກໂນໂລຊີທີ່ໄວ ແລະສິ່ງທ້າທາຍທົ່ວໂລກທີ່ສັບສົນ, ກອບຂອງ ISC ສໍາລັບການວິເຄາະຜົນກະທົບທີ່ອາດເກີດຂຶ້ນໄດ້ຢ່າງຮອບດ້ານ ແລະຫຼາຍຮູບຫຼາຍແບບ ໄດ້ໃຫ້ອຳນາດແກ່ບັນດາຜູ້ນຳໃນການຕັດສິນໃຈຢ່າງມີຄວາມຮັບຜິດຊອບ. ມັນຮັບປະກັນວ່າເມື່ອພວກເຮົາກ້າວໄປໜ້າດ້ານເຕັກໂນໂລຊີ, ພວກເຮົາເຮັດແນວນັ້ນດ້ວຍການພິຈາລະນາຢ່າງລະມັດລະວັງຕໍ່ຜົນສະທ້ອນດ້ານຈັນຍາບັນ, ສັງຄົມ, ເສດຖະກິດ.”
Peter Gluckman, ປະທານ ISC
ໃນຂະນະທີ່ບັນດາຫຼັກການຂັ້ນສູງໄດ້ຮັບການປະກາດໃຊ້ໂດຍ UNESCO, OECD, ຄະນະກຳມະການເອີລົບ ແລະ ສປຊ, ແລະ ບັນດາການປຶກສາຫາລືຕ່າງໆຍັງດຳເນີນຢູ່ຕໍ່ໄປກ່ຽວກັບບັນດາບັນຫາກ່ຽວກັບການປົກຄອງ, ລະບຽບການ, ຈັນຍາບັນ ແລະ ຄວາມປອດໄພ, ແຕ່ຍັງມີຊ່ອງຫວ່າງຫຼາຍຢ່າງລະຫວ່າງບັນດາຫຼັກການດັ່ງກ່າວ. ການປົກຄອງ ຫຼື ລະບຽບການຄຸ້ມຄອງ. ISC ແກ້ໄຂຄວາມຕ້ອງການນີ້ໂດຍຜ່ານຄໍາແນະນໍາໃຫມ່ຂອງມັນສໍາລັບຜູ້ສ້າງນະໂຍບາຍ.
ຄູ່ມືນີ້ສໍາລັບຜູ້ສ້າງນະໂຍບາຍບໍ່ໄດ້ມີຈຸດປະສົງເພື່ອກໍານົດລະບອບລະບຽບການ, ແຕ່ແທນທີ່ຈະແນະນໍາກອບການວິເຄາະການປັບຕົວແລະການພັດທະນາທີ່ອາດຈະສະຫນັບສະຫນູນຂະບວນການປະເມີນຜົນແລະກົດລະບຽບທີ່ອາດຈະຖືກພັດທະນາໂດຍຜູ້ມີສ່ວນຮ່ວມ, ລວມທັງລັດຖະບານແລະລະບົບຫຼາຍຝ່າຍ.
"ກອບເປັນບາດກ້າວທີ່ສໍາຄັນໃນການສົນທະນາທົ່ວໂລກກ່ຽວກັບ AI ຍ້ອນວ່າມັນເປັນພື້ນຖານທີ່ພວກເຮົາສາມາດສ້າງຄວາມເປັນເອກະສັນກ່ຽວກັບຜົນສະທ້ອນຂອງເຕັກໂນໂລຢີສໍາລັບທັງສອງໃນປັດຈຸບັນແລະໃນອະນາຄົດ."
Hema Sridhar, ອະດີດທີ່ປຶກສາວິທະຍາສາດ, ກະຊວງປ້ອງກັນປະເທດນິວຊີແລນ ແລະໃນປັດຈຸບັນອາວຸໂສການຄົ້ນຄວ້າ Fellow, ມະຫາວິທະຍາໄລ Auckland, ນິວຊີແລນ.
ນັບຕັ້ງແຕ່ເດືອນຕຸລາ 2023, ມີຂໍ້ລິເລີ່ມລະດັບຊາດ ແລະຫຼາຍຝ່າຍທີ່ສຳຄັນຫຼາຍສະບັບ ໂດຍມີການພິຈາລະນາເພີ່ມຕື່ມກ່ຽວກັບຈັນຍາບັນ ແລະຄວາມປອດໄພຂອງ AI. ຜົນສະທ້ອນຂອງ AI ກ່ຽວກັບຄວາມສົມບູນຂອງບາງລະບົບທີ່ສໍາຄັນຂອງພວກເຮົາ, ລວມທັງທາງດ້ານການເງິນ, ລັດຖະບານ, ກົດຫມາຍແລະການສຶກສາ, ເຊັ່ນດຽວກັນກັບລະບົບຄວາມຮູ້ທີ່ແຕກຕ່າງກັນ (ລວມທັງຄວາມຮູ້ທາງວິທະຍາສາດແລະຊົນເຜົ່າພື້ນເມືອງ), ແມ່ນຄວາມກັງວົນທີ່ເພີ່ມຂຶ້ນ. ໂຄງຮ່າງການສະທ້ອນໃຫ້ເຫັນເຖິງລັກສະນະເຫຼົ່ານີ້ຕື່ມອີກ.
ຄໍາຄຶດຄໍາເຫັນທີ່ໄດ້ຮັບຈາກສະມາຊິກ ISC ແລະຊຸມຊົນສ້າງນະໂຍບາຍລະຫວ່າງປະເທດຈົນເຖິງປະຈຸບັນແມ່ນສະທ້ອນໃຫ້ເຫັນຢູ່ໃນສະບັບປັບປຸງຂອງກອບການວິເຄາະ, ເຊິ່ງປະຈຸບັນໄດ້ຖືກປ່ອຍອອກມາເປັນຄໍາແນະນໍາສໍາລັບຜູ້ສ້າງນະໂຍບາຍ.
ຄໍາແນະນໍາສໍາລັບຜູ້ສ້າງນະໂຍບາຍ: ການປະເມີນເຕັກໂນໂລຢີທີ່ພັດທະນາຢ່າງໄວວາລວມທັງ AI, ຮູບແບບພາສາຂະຫນາດໃຫຍ່ແລະອື່ນໆ.
ເອກະສານສົນທະນາສະບັບນີ້ໃຫ້ໂຄງຮ່າງຂອງກອບເບື້ອງຕົ້ນເພື່ອແຈ້ງໃຫ້ການສົນທະນາທົ່ວໂລກແລະລະດັບຊາດທີ່ເກີດຂື້ນທີ່ກ່ຽວຂ້ອງກັບ AI.
ດາວໂຫລດກອບເພື່ອໃຊ້ໃນອົງກອນຂອງທ່ານ
ໃນທີ່ນີ້ພວກເຮົາສະຫນອງເຄື່ອງມືກອບເປັນເອກະສານ Excel ທີ່ສາມາດແກ້ໄຂໄດ້ສໍາລັບການນໍາໃຊ້ໃນອົງການຈັດຕັ້ງຂອງທ່ານ. ຖ້າທ່ານຕ້ອງການຮູບແບບແຫຼ່ງເປີດ, ກະລຸນາຕິດຕໍ່ secretariat@council.science.
ການນໍາສະເຫນີ
ເຕັກໂນໂລຢີທີ່ພົ້ນເດັ່ນຂື້ນຢ່າງໄວວາສະເຫນີບັນຫາທີ່ທ້າທາຍໃນເວລາທີ່ມັນມາກັບການນໍາໃຊ້, ການປົກຄອງແລະກົດລະບຽບທີ່ມີທ່າແຮງ. ນະໂຍບາຍຢ່າງຕໍ່ເນື່ອງແລະການໂຕ້ວາທີສາທາລະນະກ່ຽວກັບປັນຍາປະດິດ (AI) ແລະການນໍາໃຊ້ຂອງມັນໄດ້ນໍາເອົາບັນຫາເຫຼົ່ານີ້ໄປສູ່ຈຸດສຸມແຫຼມ. ຫຼັກການທີ່ກວ້າງຂວາງສໍາລັບ AI ໄດ້ຖືກປະກາດໂດຍອົງການ UNESCO, OECD, ສະຫະປະຊາຊາດແລະອື່ນໆ, ລວມທັງຖະແຫຼງການ Bletchley ຂອງສະຫະລາຊະອານາຈັກ, ແລະມີຄວາມພະຍາຍາມທາງດ້ານນິຕິບັນຍັດທີ່ພົ້ນເດັ່ນຂື້ນໃນລະບຽບການຂອງເຕັກໂນໂລຢີໂດຍຜ່ານ, ສໍາລັບຕົວຢ່າງ, ສະຫະພາບເອີຣົບ (EU) AI. ກົດໝາຍ ຫຼື ຄຳສັ່ງບໍລິຫານ AI ຂອງສະຫະລັດເມື່ອບໍ່ດົນມານີ້.
ໃນຂະນະທີ່ການນໍາໃຊ້ AI ໄດ້ຖືກປຶກສາຫາລືໃນໄລຍະຍາວໃນດ້ານເຫຼົ່ານີ້ແລະດ້ານອື່ນໆ, ໃນທົ່ວການແບ່ງປັນທາງດ້ານພູມສາດທາງດ້ານການເມືອງແລະໃນປະເທດໃນທຸກລະດັບລາຍໄດ້, ຍັງມີຊ່ອງຫວ່າງທາງດ້ານ ontological ລະຫວ່າງການພັດທະນາຫຼັກການລະດັບສູງແລະການລວມເຂົ້າໃນການປະຕິບັດໂດຍຜ່ານກົດລະບຽບ, ນະໂຍບາຍ, ການປົກຄອງ. ຫຼືວິທີການຄຸ້ມຄອງ. ເສັ້ນທາງຈາກຫຼັກການໄປສູ່ການປະຕິບັດແມ່ນຖືກກໍານົດບໍ່ດີ, ແຕ່ເນື່ອງຈາກລັກສະນະຂອງການພັດທະນາ AI ແລະການສະຫມັກ, ຄວາມຫລາກຫລາຍຂອງຄວາມສົນໃຈແລະຂອບເຂດຂອງຄໍາຮ້ອງສະຫມັກທີ່ເປັນໄປໄດ້, ວິທີການໃດກໍ່ຕາມບໍ່ສາມາດເປັນແບບທົ່ວໄປຫຼືຕາມໃບສັ່ງແພດ.
ສໍາລັບເຫດຜົນເຫຼົ່ານີ້, ຊຸມຊົນວິທະຍາສາດທີ່ບໍ່ແມ່ນລັດຖະບານຍັງສືບຕໍ່ມີບົດບາດໂດຍສະເພາະ. ສະພາວິທະຍາສາດສາກົນ (ISC) - ດ້ວຍການເປັນສະມາຊິກຫຼາຍຝ່າຍຈາກວິທະຍາສາດສັງຄົມແລະທໍາມະຊາດ - ໄດ້ອອກເອກະສານສົນທະນາໃນເດືອນຕຸລາ 2023 ສະເຫນີກອບການວິເຄາະເບື້ອງຕົ້ນທີ່ພິຈາລະນາຄວາມສ່ຽງ, ຜົນປະໂຫຍດ, ໄພຂົ່ມຂູ່ແລະໂອກາດທີ່ກ່ຽວຂ້ອງກັບເຕັກໂນໂລຢີດິຈິຕອນທີ່ມີການເຄື່ອນໄຫວຢ່າງໄວວາ. ໃນຂະນະທີ່ມັນໄດ້ຖືກພັດທະນາເພື່ອພິຈາລະນາ AI, ໂດຍພື້ນຖານແລ້ວມັນແມ່ນເຕັກໂນໂລຢີທີ່ບໍ່ເຊື່ອຟັງແລະສາມາດນໍາໃຊ້ກັບເຕັກໂນໂລຢີທີ່ພົ້ນເດັ່ນຂື້ນແລະລົບກວນ, ເຊັ່ນ: ຊີວະວິທະຍາສັງເຄາະແລະ quantum. ເອກະສານສົນທະນານັ້ນໄດ້ເຊີນຄໍາຄິດເຫັນຈາກນັກວິຊາການ ແລະຜູ້ສ້າງນະໂຍບາຍ. ຄວາມຄິດເຫັນທີ່ລົ້ນເຫຼືອເຮັດໃຫ້ການວິເຄາະດັ່ງກ່າວມີຄວາມຈໍາເປັນແລະຢືນຢູ່ເປັນວິທີການທີ່ມີຄຸນຄ່າໃນການແກ້ໄຂເຕັກໂນໂລຢີທີ່ພົ້ນເດັ່ນຂື້ນເຊັ່ນ AI.
ຈຸດປະສົງຂອງໂຄງການດັ່ງກ່າວແມ່ນເພື່ອສະຫນອງເຄື່ອງມືເພື່ອແຈ້ງໃຫ້ຜູ້ມີສ່ວນຮ່ວມທັງຫມົດ - ລວມທັງລັດຖະບານ, ຜູ້ເຈລະຈາການຄ້າ, ຜູ້ຄວບຄຸມ, ສັງຄົມພົນລະເຮືອນແລະອຸດສາຫະກໍາ - ຂອງວິວັດການຂອງເຕັກໂນໂລຊີເຫຼົ່ານີ້ເພື່ອຊ່ວຍໃຫ້ເຂົາເຈົ້າກໍານົດວິທີທີ່ເຂົາເຈົ້າອາດຈະພິຈາລະນາຜົນກະທົບທາງບວກຫຼືທາງລົບຂອງ. ເຕັກໂນໂລຊີຕົວມັນເອງ, ແລະຫຼາຍໂດຍສະເພາະແມ່ນການນໍາໃຊ້ສະເພາະຂອງຕົນ. ໂຄງການວິເຄາະນີ້ໄດ້ຮັບການພັດທະນາເປັນເອກະລາດຂອງລັດຖະບານແລະຜົນປະໂຫຍດອຸດສາຫະກໍາ. ມັນມີຫຼາຍຫຼາຍໃນທັດສະນະຂອງຕົນ, ກວມເອົາທຸກດ້ານຂອງເຕັກໂນໂລຢີແລະຜົນສະທ້ອນຂອງມັນໂດຍອີງໃສ່ການປຶກສາຫາລືແລະຄໍາຄຶດຄໍາເຫັນຢ່າງກວ້າງຂວາງ.
ເອກະສານສົນທະນານີ້ສໍາລັບຜູ້ສ້າງນະໂຍບາຍບໍ່ໄດ້ມີຈຸດປະສົງເພື່ອກໍານົດລະບອບລະບຽບການ, ແຕ່ແທນທີ່ຈະແນະນໍາກອບການວິເຄາະການປັບຕົວແລະການພັດທະນາທີ່ອາດຈະສະຫນັບສະຫນູນຂະບວນການປະເມີນຜົນແລະກົດລະບຽບທີ່ອາດຈະຖືກພັດທະນາໂດຍພາກສ່ວນກ່ຽວຂ້ອງ, ລວມທັງລັດຖະບານແລະລະບົບຫຼາຍຝ່າຍ.
ໃນຂະນະທີ່ຜູ້ຕັດສິນໃຈທົ່ວໂລກແລະລະດັບຊາດພິຈາລະນາການຕັ້ງຄ່ານະໂຍບາຍທີ່ເຫມາະສົມແລະ levers ເພື່ອດຸ່ນດ່ຽງຄວາມສ່ຽງແລະລາງວັນຂອງເຕັກໂນໂລຢີໃຫມ່ເຊັ່ນ AI, ກອບການວິເຄາະແມ່ນມີຈຸດປະສົງເປັນເຄື່ອງມືເສີມເພື່ອຮັບປະກັນຊຸດເຕັມທີ່ຂອງຜົນກະທົບທີ່ອາດເກີດຂື້ນຢ່າງພຽງພໍ.
ຄວາມເປັນມາ: ເປັນຫຍັງກອບການວິເຄາະ?
ການປະກົດຕົວຢ່າງໄວວາຂອງເຕັກໂນໂລຢີທີ່ມີຄວາມຊັບຊ້ອນແລະຜົນສະທ້ອນຂອງ AI ແມ່ນການຮຽກຮ້ອງຜົນປະໂຫຍດອັນໃຫຍ່ຫຼວງຫຼາຍ. ຢ່າງໃດກໍຕາມ, ມັນຍັງ provokes ຄວາມຢ້ານກົວຂອງຄວາມສ່ຽງທີ່ສໍາຄັນ, ຈາກບຸກຄົນໃນລະດັບ geostrategic.1 ການສົນທະນາສ່ວນໃຫຍ່ມາຮອດປະຈຸບັນໄດ້ຖືກພິຈາລະນາໃນແງ່ສອງຢ່າງຍ້ອນວ່າທັດສະນະທີ່ສະແດງອອກຢ່າງເປີດເຜີຍມີແນວໂນ້ມທີ່ຈະເກີດຂຶ້ນຢູ່ໃນຈຸດສູງສຸດຂອງສະເປກຕຣາ. ການຮຽກຮ້ອງທີ່ເຮັດສໍາລັບຫຼືຕໍ່ຕ້ານ AI ມັກຈະເປັນ hyperbolic ແລະ - ມີລັກສະນະຂອງເຕັກໂນໂລຢີ - ຍາກທີ່ຈະປະເມີນ.
ວິທີການທີ່ປະຕິບັດໄດ້ຫຼາຍແມ່ນມີຄວາມຈໍາເປັນທີ່ hyperbole ຈະຖືກແທນທີ່ດ້ວຍການປັບທຽບແລະການປະເມີນຜົນ granular ຫຼາຍ. ເຕັກໂນໂລຊີ AI ຈະສືບຕໍ່ພັດທະນາ, ແລະປະຫວັດສາດສະແດງໃຫ້ເຫັນວ່າເກືອບທຸກເຕັກໂນໂລຊີມີທັງການນໍາໃຊ້ທີ່ເປັນປະໂຫຍດແລະເປັນອັນຕະລາຍ. ຄໍາຖາມແມ່ນ, ດັ່ງນັ້ນ: ພວກເຮົາສາມາດບັນລຸຜົນໄດ້ຮັບທີ່ເປັນປະໂຫຍດຈາກເຕັກໂນໂລຢີນີ້ໄດ້ແນວໃດ, ໃນຂະນະທີ່ຫຼຸດຜ່ອນຄວາມສ່ຽງຕໍ່ຜົນສະທ້ອນທີ່ເປັນອັນຕະລາຍ, ບາງອັນອາດມີຢູ່ໃນຂະຫນາດ?
ອະນາຄົດແມ່ນມີຄວາມບໍ່ແນ່ນອນສະເໝີ, ແຕ່ມີສຽງທີ່ໜ້າເຊື່ອຖື ແລະ ຊ່ຽວຊານຢ່າງພຽງພໍກ່ຽວກັບ AI ແລະ AI ການຜະລິດເພື່ອຊຸກຍູ້ໃຫ້ມີວິທີການປ້ອງກັນທີ່ຂ້ອນຂ້າງ. ນອກຈາກນັ້ນ, ວິທີການລະບົບແມ່ນມີຄວາມຈໍາເປັນເພາະວ່າ AI ເປັນຊັ້ນຂອງເຕັກໂນໂລຢີທີ່ມີການນໍາໃຊ້ຢ່າງກວ້າງຂວາງແລະການນໍາໃຊ້ໂດຍຜູ້ໃຊ້ຫຼາຍປະເພດ. ນີ້ຫມາຍຄວາມວ່າສະພາບການເຕັມທີ່ຕ້ອງໄດ້ຮັບການພິຈາລະນາໃນເວລາທີ່ພິຈາລະນາຜົນກະທົບຂອງການນໍາໃຊ້ AI ໃດໆສໍາລັບບຸກຄົນ, ຊີວິດສັງຄົມ, ຊີວິດຂອງພົນລະເມືອງ, ຊີວິດສັງຄົມແລະໃນສະພາບການໂລກ.
ບໍ່ເຫມືອນກັບເຕັກໂນໂລຢີອື່ນໆທີ່ສຸດ, ສໍາລັບເຕັກໂນໂລຢີດິຈິຕອນແລະທີ່ກ່ຽວຂ້ອງ, ເວລາລະຫວ່າງການພັດທະນາ, ການປ່ອຍແລະຄໍາຮ້ອງສະຫມັກແມ່ນສັ້ນທີ່ສຸດ, ສ່ວນໃຫຍ່ແມ່ນຂັບເຄື່ອນໂດຍຜົນປະໂຫຍດຂອງບໍລິສັດການຜະລິດຫຼືອົງການຕ່າງໆ. ໂດຍທໍາມະຊາດຂອງມັນ - ແລະເນື່ອງຈາກວ່າມັນແມ່ນອີງໃສ່ກະດູກສັນຫຼັງດິຈິຕອນ - AI ຈະມີຄໍາຮ້ອງສະຫມັກທີ່ແຜ່ຂະຫຍາຍຢ່າງໄວວາ, ດັ່ງທີ່ໄດ້ເຫັນແລ້ວກັບການພັດທະນາຮູບແບບພາສາຂະຫນາດໃຫຍ່. ດັ່ງນັ້ນ, ຄຸນສົມບັດບາງຢ່າງອາດຈະປາກົດຂື້ນພຽງແຕ່ຫຼັງຈາກປ່ອຍອອກມາ, ຊຶ່ງຫມາຍຄວາມວ່າມີຄວາມສ່ຽງຕໍ່ຜົນສະທ້ອນທີ່ບໍ່ໄດ້ຄາດຄິດ, ທັງຄວາມເມດຕາແລະຄວາມເມດຕາ.
ຂະຫນາດຄຸນຄ່າທາງດ້ານສັງຄົມທີ່ສໍາຄັນ, ໂດຍສະເພາະໃນທົ່ວພາກພື້ນແລະວັດທະນະທໍາທີ່ແຕກຕ່າງກັນ, ຈະມີອິດທິພົນຕໍ່ການຮັບຮູ້ແລະການຍອມຮັບການນໍາໃຊ້ໃດໆ. ນອກຈາກນັ້ນ, ຜົນປະໂຫຍດທາງດ້ານພູມສາດແມ່ນໄດ້ຄອບງໍາການສົນທະນາ, ຜົນປະໂຫຍດອະທິປະໄຕແລະຫຼາຍຝ່າຍໄດ້ຕັດກັນຢ່າງຕໍ່ເນື່ອງ, ດັ່ງນັ້ນຈຶ່ງເຮັດໃຫ້ການແຂ່ງຂັນແລະການແບ່ງແຍກ.
ມາຮອດປະຈຸ, ກົດລະບຽບຂອງເຕັກໂນໂລຢີ virtual ສ່ວນໃຫຍ່ແມ່ນເຫັນໄດ້ຈາກທັດສະນະຂອງ 'ຫຼັກການ' ແລະການປະຕິບັດຕາມຄວາມສະຫມັກໃຈ, ເຖິງແມ່ນວ່າກົດຫມາຍວ່າດ້ວຍ AI ຂອງ EU.2 ແລະຄ້າຍຄືກັນ, ພວກເຮົາເຫັນການປ່ຽນແປງໄປສູ່ການບັງຄັບໃຊ້ຫຼາຍກວ່າເກົ່າແຕ່ວ່າກົດລະບຽບແຄບ. ການສ້າງລະບົບການຄຸ້ມຄອງເຕັກໂນໂລຊີລະດັບໂລກ ຫຼືລະດັບຊາດທີ່ມີປະສິດທິຜົນຍັງຄົງເປັນສິ່ງທ້າທາຍ ແລະ ບໍ່ມີທາງອອກທີ່ຈະແຈ້ງ. ການຕັດສິນໃຈທີ່ມີຂໍ້ມູນຄວາມສ່ຽງຫຼາຍຊັ້ນຈະມີຄວາມຈໍາເປັນຕາມລະບົບຕ່ອງໂສ້, ຈາກຜູ້ປະດິດເຖິງຜູ້ຜະລິດ, ຜູ້ໃຊ້, ກັບລັດຖະບານແລະລະບົບຫຼາຍຝ່າຍ.
ໃນຂະນະທີ່ບັນດາມາດຕະການຂັ້ນສູງໄດ້ຮັບການປະກາດໃຊ້ໂດຍ UNESCO, OECD, ຄະນະກຳມະການເອີລົບ ແລະ ສປຊ, ແລະ ບັນດາການປຶກສາຫາລືຂັ້ນສູງຍັງສືບຕໍ່ດຳເນີນບັນດາບັນຫາກ່ຽວກັບການປົກຄອງ, ລະບຽບການ, ຈັນຍາບັນ ແລະ ຄວາມປອດໄພ, ແຕ່ຍັງມີຊ່ອງຫວ່າງຫຼາຍຢ່າງ. ຫຼັກການແລະການຄຸ້ມຄອງຫຼືຂອບການລະບຽບການ. ນີ້ຕ້ອງໄດ້ຮັບການແກ້ໄຂ.
ເປັນຈຸດເລີ່ມຕົ້ນ, ISC ພິຈາລະນາການພັດທະນາລະບົບການພິຈາລະນາທີ່ຜູ້ພັດທະນາ, ຜູ້ຄວບຄຸມ, ທີ່ປຶກສາດ້ານນະໂຍບາຍ, ຜູ້ບໍລິໂພກຫຼືຜູ້ຕັດສິນໃຈສາມາດອ້າງອີງໄດ້. ເນື່ອງຈາກຜົນກະທົບທີ່ກວ້າງຂວາງຂອງເຕັກໂນໂລຢີເຫຼົ່ານີ້, ການຈັດແບ່ງປະເພດດັ່ງກ່າວຕ້ອງພິຈາລະນາເຖິງຈໍານວນຜົນສະທ້ອນທັງຫມົດແທນທີ່ຈະເປັນກອບທີ່ສຸມໃສ່ແຄບ. ການແຕກແຍກຂອງໂລກແມ່ນເພີ່ມຂຶ້ນຍ້ອນອິດທິພົນຂອງຜົນປະໂຫຍດທາງດ້ານພູມສາດໃນການຕັດສິນໃຈ, ແລະຍ້ອນຄວາມຮີບດ່ວນຂອງເຕັກໂນໂລຢີນີ້, ມັນເປັນສິ່ງຈໍາເປັນສໍາລັບສຽງທີ່ເປັນເອກະລາດແລະເປັນກາງເພື່ອສືບຕໍ່ຊະນະວິທີການທີ່ເປັນເອກະພາບແລະລວມ.
1) Hindustan Times. 2023. G20 ຕ້ອງສ້າງຕັ້ງຄະນະກຳມະການສາກົນກ່ຽວກັບການປ່ຽນແປງດ້ານເຕັກໂນໂລຢີ.
https://www.hindustantimes.com/opinion/g20-must-set-up-an-international-panel-on-technological-change-101679237287848.html
2) ກົດໝາຍວ່າດ້ວຍປັນຍາປະດິດຂອງສະຫະພາບເອີຣົບ. 2023. https://artificialintelligenceact.eu
ການພັດທະນາຂອງກອບການວິເຄາະ
ISC ແມ່ນອົງການຈັດຕັ້ງທີ່ບໍ່ຂຶ້ນກັບລັດຖະບານລະດັບໂລກຕົ້ນຕໍທີ່ປະສົມປະສານວິທະຍາສາດທໍາມະຊາດແລະສັງຄົມ. ການເຂົ້າເຖິງທົ່ວໂລກແລະລະບຽບວິໄນຫມາຍຄວາມວ່າມັນໄດ້ຖືກວາງໄວ້ຢ່າງດີທີ່ຈະສ້າງຄໍາແນະນໍາທີ່ເປັນເອກະລາດແລະທົ່ວໂລກທີ່ກ່ຽວຂ້ອງເພື່ອແຈ້ງທາງເລືອກທີ່ສັບສົນລ່ວງຫນ້າ, ໂດຍສະເພາະຍ້ອນວ່າສຽງໃນປະຈຸບັນໃນເວທີນີ້ແມ່ນມາຈາກອຸດສາຫະກໍາຫຼືຈາກນະໂຍບາຍແລະຊຸມຊົນທາງດ້ານການເມືອງຂອງມະຫາອໍານາດເຕັກໂນໂລຢີທີ່ສໍາຄັນ.
ຫຼັງຈາກໄລຍະເວລາຂອງການສົນທະນາຢ່າງກວ້າງຂວາງ, ເຊິ່ງລວມທັງການພິຈາລະນາຂະບວນການປະເມີນຜົນທີ່ບໍ່ແມ່ນລັດຖະບານ, ISC ໄດ້ສະຫຼຸບວ່າການປະກອບສ່ວນທີ່ເປັນປະໂຫຍດທີ່ສຸດແມ່ນການຜະລິດກອບການວິເຄາະທີ່ດັດແປງທີ່ສາມາດຖືກນໍາໃຊ້ເປັນພື້ນຖານສໍາລັບການສົນທະນາແລະການຕັດສິນໃຈຂອງທຸກຄົນ. ພາກສ່ວນກ່ຽວຂ້ອງ, ລວມທັງໃນໄລຍະຂະບວນການປະເມີນຢ່າງເປັນທາງການທີ່ເກີດຂຶ້ນ.
ກອບການວິເຄາະເບື້ອງຕົ້ນ, ເຊິ່ງໄດ້ຖືກເປີດເຜີຍສໍາລັບການສົນທະນາແລະຄໍາຕິຊົມໃນເດືອນຕຸລາ 2023, ໄດ້ເອົາຮູບແບບຂອງບັນຊີລາຍການກວດກາລວມທີ່ຖືກອອກແບບມາສໍາລັບການນໍາໃຊ້ໂດຍທັງສະຖາບັນຂອງລັດຖະບານແລະອົງການຈັດຕັ້ງທີ່ບໍ່ຂຶ້ນກັບລັດຖະບານ. ໂຄງຮ່າງດັ່ງກ່າວໄດ້ກຳນົດ ແລະ ສຳຫຼວດທ່າແຮງຂອງເທັກໂນໂລຍີ ເຊັ່ນ: AI ແລະຕົວກຳເນີດຂອງມັນຜ່ານແວ່ນຕາກວ້າງທີ່ກວມເອົາຊີວິດການເປັນຢູ່ຂອງມະນຸດ ແລະ ສັງຄົມ, ພ້ອມທັງປັດໃຈພາຍນອກ ເຊັ່ນ: ເສດຖະກິດ, ການເມືອງ, ສິ່ງແວດລ້ອມ ແລະ ຄວາມປອດໄພ. ບາງດ້ານຂອງລາຍການກວດສອບອາດຈະມີຄວາມກ່ຽວຂ້ອງຫຼາຍກ່ວາອື່ນໆ, ຂຶ້ນກັບສະພາບການ, ແຕ່ການຕັດສິນໃຈທີ່ດີກວ່າເບິ່ງຄືວ່າມີແນວໂນ້ມທີ່ຈະພິຈາລະນາໂດເມນທັງຫມົດ, ເຖິງແມ່ນວ່າບາງຢ່າງສາມາດຖືກກໍານົດຢ່າງໄວວາວ່າບໍ່ກ່ຽວຂ້ອງໃນກໍລະນີໂດຍສະເພາະ. ນີ້ແມ່ນມູນຄ່າທີ່ເກີດຂຶ້ນຂອງວິທີການກວດສອບໄດ້.
ກອບເບື້ອງຕົ້ນແມ່ນໄດ້ມາຈາກການເຮັດວຽກແລະແນວຄິດທີ່ຜ່ານມາ, ລວມທັງບົດລາຍງານ International Network for Governmental Science Advice's (INGSA) on digital wellbeing3 ແລະ OECD Framework for Classification of AI Systems, 4 ເພື່ອນໍາສະເຫນີຈໍານວນທັງຫມົດຂອງໂອກາດ, ຄວາມສ່ຽງແລະຜົນກະທົບທີ່ອາດມີ. ຂອງ AI. ຜະລິດຕະພັນທີ່ຜ່ານມາເຫຼົ່ານີ້ຖືກຈໍາກັດຫຼາຍກວ່າໃນຄວາມຕັ້ງໃຈຂອງພວກເຂົາໂດຍໃຊ້ເວລາແລະສະພາບການ; ມີຄວາມຈໍາເປັນສໍາລັບກອບການລວມທີ່ນໍາສະເຫນີບັນຫາຢ່າງເຕັມທີ່ທັງໃນໄລຍະສັ້ນແລະໄລຍະຍາວ.
ນັບຕັ້ງແຕ່ການປ່ອຍອອກມາ, ເອກະສານສົນທະນາໄດ້ຮັບການສະຫນັບສະຫນູນທີ່ສໍາຄັນຈາກຜູ້ຊ່ຽວຊານແລະຜູ້ວາງນະໂຍບາຍຫຼາຍຄົນ. ຫຼາຍຄົນໄດ້ຮັບຮອງໂດຍສະເພາະຄໍາແນະນໍາເພື່ອພັດທະນາກອບການປັບຕົວທີ່ອະນຸຍາດໃຫ້ມີການພິຈາລະນາໂດຍເຈດຕະນາແລະຢ່າງຈິງຈັງກ່ຽວກັບຄວາມສ່ຽງແລະຜົນສະທ້ອນຂອງເຕັກໂນໂລຢີ, ແລະໃນການເຮັດດັ່ງນັ້ນ, ສະເຫມີພິຈາລະນາເຖິງຂະຫນາດທັງຫມົດຈາກບຸກຄົນກັບສັງຄົມແລະລະບົບ.
ການສັງເກດການທີ່ສໍາຄັນອັນຫນຶ່ງທີ່ເຮັດຜ່ານຄໍາຕິຊົມແມ່ນການຮັບຮູ້ວ່າຫຼາຍຜົນສະທ້ອນທີ່ພິຈາລະນາໃນກອບແມ່ນມີຫຼາຍລັກສະນະແລະຂະຫຍາຍໄປທົ່ວຫຼາຍປະເພດ. ສໍາລັບຕົວຢ່າງ, ຂໍ້ມູນທີ່ບໍ່ຖືກຕ້ອງສາມາດໄດ້ຮັບການພິຈາລະນາຈາກທັດສະນະສ່ວນບຸກຄົນແລະທາງພູມສາດ; ດັ່ງນັ້ນ, ຜົນສະທ້ອນຈະກວ້າງຂວາງ.
ທາງເລືອກທີ່ຈະລວມເອົາກໍລະນີສຶກສາຫຼືຕົວຢ່າງເພື່ອທົດສອບໂຄງການຍັງໄດ້ຖືກແນະນໍາ. ນີ້ສາມາດຖືກນໍາໃຊ້ເພື່ອພັດທະນາຄໍາແນະນໍາເພື່ອສະແດງໃຫ້ເຫັນວ່າມັນສາມາດຖືກນໍາໃຊ້ໃນການປະຕິບັດໃນສະພາບການທີ່ແຕກຕ່າງກັນ. ຢ່າງໃດກໍຕາມ, ນີ້ຈະເປັນການປະຕິບັດທີ່ສໍາຄັນແລະອາດຈະຈໍາກັດວິທີການກຸ່ມທີ່ແຕກຕ່າງກັນຮັບຮູ້ການນໍາໃຊ້ກອບນີ້. ມັນເຮັດໄດ້ດີທີ່ສຸດໂດຍຜູ້ສ້າງນະໂຍບາຍທີ່ເຮັດວຽກກັບຜູ້ຊ່ຽວຊານໃນຂອບເຂດສິດອໍານາດ ຫຼືສະພາບການສະເພາະ.
ນັບຕັ້ງແຕ່ເດືອນຕຸລາ 2023, ມີຂໍ້ລິເລີ່ມລະດັບຊາດ ແລະຫຼາຍຝ່າຍທີ່ສຳຄັນຫຼາຍສະບັບ ໂດຍມີການພິຈາລະນາເພີ່ມຕື່ມກ່ຽວກັບຈັນຍາບັນ ແລະຄວາມປອດໄພຂອງ AI. ຜົນສະທ້ອນຂອງ AI ກ່ຽວກັບຄວາມສົມບູນຂອງບາງລະບົບທີ່ສໍາຄັນຂອງພວກເຮົາ, ລວມທັງທາງດ້ານການເງິນ, ລັດຖະບານ, ກົດຫມາຍແລະການສຶກສາ, ເຊັ່ນດຽວກັນກັບລະບົບຄວາມຮູ້ທີ່ແຕກຕ່າງກັນ (ລວມທັງຄວາມຮູ້ທາງວິທະຍາສາດແລະຊົນເຜົ່າພື້ນເມືອງ), ແມ່ນຄວາມກັງວົນທີ່ເພີ່ມຂຶ້ນ. ກອບການດັດແກ້ເພີ່ມເຕີມສະທ້ອນໃຫ້ເຫັນເຖິງລັກສະນະເຫຼົ່ານີ້.
ຄໍາຄຶດຄໍາເຫັນທີ່ໄດ້ຮັບມາຮອດປະຈຸບັນແມ່ນສະທ້ອນໃຫ້ເຫັນຢູ່ໃນສະບັບປັບປຸງຂອງກອບການວິເຄາະ, ເຊິ່ງໄດ້ຖືກເປີດເຜີຍໃນປັດຈຸບັນເປັນຄໍາແນະນໍາສໍາລັບຜູ້ສ້າງນະໂຍບາຍ.
ໃນຂະນະທີ່ໂຄງຮ່າງການຖືກນໍາສະເຫນີໃນສະພາບການຂອງ AI ແລະເຕັກໂນໂລຢີທີ່ກ່ຽວຂ້ອງ, ມັນໄດ້ຖືກໂອນທັນທີກັບການພິຈາລະນາຂອງເຕັກໂນໂລຢີທີ່ເກີດຂື້ນຢ່າງໄວວາອື່ນໆເຊັ່ນ: quantum ແລະຊີວະວິທະຍາສັງເຄາະ.
3) Gluckman, P. ແລະ Allen, K. 2018. ຄວາມເຂົ້າໃຈກ່ຽວກັບສະຫວັດດີການໃນແງ່ຂອງການຫັນປ່ຽນທາງດ້ານດິຈິຕອລຢ່າງໄວວາ ແລະ ທີ່ກ່ຽວຂ້ອງ. INGSA.
https://ingsa.org/wp-content/uploads/2023/01/INGSA-Digital-Wellbeing-Sept18.pdf
4) OECD. 2022. OECD Framework ສໍາລັບການຈັດປະເພດລະບົບ AI. ເອກະສານເສດຖະກິດດິຈິຕອລຂອງ OECD, ເລກທີ 323,#. Paris, OECD Publishing.
https://oecd.ai/en/classificatio
ຂອບ
ຕາຕະລາງຕໍ່ໄປນີ້ສະເຫນີຂະຫນາດຂອງກອບການວິເຄາະ putative. ຕົວຢ່າງໄດ້ຖືກສະຫນອງໃຫ້ສະແດງໃຫ້ເຫັນວ່າເປັນຫຍັງແຕ່ລະໂດເມນອາດຈະສໍາຄັນ; ໃນສະພາບການ, ໂຄງຮ່າງການຈະຮຽກຮ້ອງໃຫ້ມີການຂະຫຍາຍຕົວທີ່ກ່ຽວຂ້ອງກັບສະພາບການ. ມັນຍັງມີຄວາມສໍາຄັນທີ່ຈະຈໍາແນກລະຫວ່າງບັນຫາທົ່ວໄປທີ່ເກີດຂື້ນໃນລະຫວ່າງການພັດທະນາແພລະຕະຟອມແລະສິ່ງທີ່ອາດຈະເກີດຂື້ນໃນລະຫວ່າງຄໍາຮ້ອງສະຫມັກສະເພາະ. ບໍ່ມີການພິຈາລະນາອັນດຽວທີ່ລວມຢູ່ໃນນີ້ຄວນຈະຖືກຖືວ່າເປັນບູລິມະສິດແລະດັ່ງນັ້ນ, ທັງຫມົດຄວນໄດ້ຮັບການກວດກາ.
ບັນຫາໄດ້ຖືກຈັດກຸ່ມຢ່າງກວ້າງຂວາງເປັນປະເພດດັ່ງຕໍ່ໄປນີ້ດັ່ງທີ່ໄດ້ອະທິບາຍຂ້າງລຸ່ມນີ້:
ຕາຕະລາງລາຍລະອຽດຂະຫນາດທີ່ອາດຈະຕ້ອງພິຈາລະນາໃນເວລາທີ່ການປະເມີນເຕັກໂນໂລຢີໃຫມ່.
– INGSA. 2018. ການເຂົ້າໃຈສະຫວັດດີການໃນສະພາບການຂອງການຫັນປ່ຽນດິຈິຕອນຢ່າງໄວວາ ແລະ ການຫັນປ່ຽນທີ່ກ່ຽວຂ້ອງ.
https://ingsa.org/wp-content/uploads/2023/01/INGSA-Digital-Wellbeing-Sept18.pdf
- ຕົວອະທິບາຍໃໝ່ (ທີ່ໄດ້ມາຈາກການປຶກສາຫາລື ແລະ ຄຳຕິຊົມຢ່າງກວ້າງຂວາງ ແລະ ການທົບທວນວັນນະຄະດີ)
- ຂອບການເຮັດວຽກ OECD ສຳລັບການຈັດປະເພດລະບົບ AI: ເຄື່ອງມືສຳລັບນະໂຍບາຍ AI ທີ່ມີປະສິດທິພາບ.
https://oecd.ai/en/classification
| Criteria | ຕົວຢ່າງຂອງວິທີການນີ້ອາດຈະຖືກສະທ້ອນໃຫ້ເຫັນໃນການວິເຄາະ |
| ຄວາມສາມາດ AI ຂອງຜູ້ໃຊ້ | ຄວາມສາມາດ ແລະຮູ້ຄຸນສົມບັດຂອງລະບົບແມ່ນຜູ້ໃຊ້ທີ່ອາດຈະພົວພັນກັບລະບົບແນວໃດ? ພວກເຂົາຈະໃຫ້ຂໍ້ມູນຜູ້ໃຊ້ທີ່ກ່ຽວຂ້ອງແລະຄໍາເຕືອນແນວໃດ? |
| ຜູ້ມີສ່ວນຮ່ວມທີ່ໄດ້ຮັບຜົນກະທົບ | ໃຜເປັນຜູ້ມີສ່ວນກ່ຽວຂ້ອງຕົ້ນຕໍທີ່ຈະໄດ້ຮັບຜົນກະທົບຈາກລະບົບ (ບຸກຄົນ, ຊຸມຊົນ, ມີຄວາມສ່ຽງ, ພະນັກງານໃນຂະແຫນງການ, ເດັກນ້ອຍ, ຜູ້ສ້າງນະໂຍບາຍ, ຜູ້ຊ່ຽວຊານແລະອື່ນໆ)? |
| ທາງເລືອກ | ຜູ້ໃຊ້ມີໂອກາດທີ່ຈະເລືອກອອກຈາກລະບົບຫຼືພວກເຂົາໄດ້ຮັບໂອກາດທີ່ຈະທ້າທາຍຫຼືແກ້ໄຂຜົນຜະລິດບໍ? |
| ຄວາມສ່ຽງຕໍ່ສິດທິມະນຸດ ແລະຄຸນຄ່າປະຊາທິປະໄຕ | ລະບົບດັ່ງກ່າວມີຜົນກະທົບພື້ນຖານຕໍ່ສິດທິມະນຸດ, ລວມທັງແຕ່ບໍ່ຈໍາກັດຄວາມເປັນສ່ວນຕົວ, ເສລີພາບໃນການສະແດງຄວາມຄິດເຫັນ, ຄວາມຍຸຕິທໍາ, ການບໍ່ຈໍາແນກແລະອື່ນໆ? |
| ຜົນກະທົບທີ່ອາດມີຕໍ່ສຸຂະພາບຂອງປະຊາຊົນ | ພື້ນທີ່ຜົນກະທົບຂອງລະບົບກ່ຽວຂ້ອງກັບສະຫວັດດີການຂອງຜູ້ໃຊ້ສ່ວນບຸກຄົນ (ຄຸນນະພາບວຽກ, ການສຶກສາ, ການພົວພັນທາງສັງຄົມ, ສຸຂະພາບຈິດ, ຕົວຕົນ, ສະພາບແວດລ້ອມແລະອື່ນໆ) ບໍ? |
| ທ່າແຮງສໍາລັບການຍົກຍ້າຍແຮງງານຂອງມະນຸດ | ມີທ່າແຮງສໍາລັບລະບົບທີ່ຈະອັດຕະໂນມັດວຽກງານຫຼືຫນ້າທີ່ທີ່ຖືກປະຕິບັດໂດຍມະນຸດບໍ? ຖ້າເປັນດັ່ງນັ້ນ, ຜົນກະທົບທາງລຸ່ມແມ່ນຫຍັງ? |
| ທ່າແຮງສຳລັບຕົວຕົນ, ຄຸນຄ່າ ຫຼືການໝູນໃຊ້ຄວາມຮູ້ | ແມ່ນລະບົບທີ່ຖືກອອກແບບຫຼືມີທ່າແຮງທີ່ຈະຈັດການຕົວຕົນຂອງຜູ້ໃຊ້ຫຼື ຄ່າທີ່ກໍານົດໄວ້, ຫຼືເຜີຍແຜ່ຂ່າວບໍ່ຈິງ? |
| ໂອກາດໃນການສະແດງອອກ ແລະ ການເປັນຕົວຕົນທີ່ແທ້ຈິງ | ມີທ່າແຮງສໍາລັບການປອມແລະການສົງໄສຕົນເອງບໍ? ມີທ່າແຮງສໍາລັບການທີ່ບໍ່ຖືກຕ້ອງຫຼື ການຮຽກຮ້ອງຄວາມຊ່ຽວຊານທີ່ບໍ່ສາມາດຢືນຢັນໄດ້ບໍ? |
| ມາດຕະການຂອງມູນຄ່າຂອງຕົນເອງ | ມີຄວາມກົດດັນທີ່ຈະສະແດງຕົວຕົນທີ່ເຫມາະສົມບໍ? ອັດຕະໂນມັດສາມາດທົດແທນຄວາມຮູ້ສຶກ ຄວາມສໍາເລັດສ່ວນບຸກຄົນ? ມີຄວາມກົດດັນທີ່ຈະແຂ່ງຂັນກັບລະບົບໃນ ບ່ອນເຮັດວຽກ? ຊື່ສຽງຂອງບຸກຄົນແມ່ນຍາກທີ່ຈະປົກປ້ອງຂໍ້ມູນປອມ? |
| ຄວາມເປັນສ່ວນຕົວ | ມີຄວາມຮັບຜິດຊອບທີ່ກະແຈກກະຈາຍສໍາລັບການປົກປ້ອງຄວາມເປັນສ່ວນຕົວແລະມີຢູ່ບໍ ສົມມຸດຕິຖານທີ່ຖືກສ້າງຂຶ້ນກ່ຽວກັບວິທີການຂໍ້ມູນສ່ວນຕົວຖືກນໍາໃຊ້? |
| ເອກະລາດ | ລະບົບ AI ສາມາດສົ່ງຜົນກະທົບຕໍ່ຄວາມເປັນເອກະລາດຂອງມະນຸດໂດຍການສ້າງການເອື່ອຍອີງຫຼາຍເກີນໄປໂດຍ ຜູ້ໃຊ້ສຸດທ້າຍ? |
| ການພັດທະນາມະນຸດ | ມີຜົນກະທົບກ່ຽວກັບການໄດ້ມາຂອງທັກສະທີ່ສໍາຄັນສໍາລັບການພັດທະນາມະນຸດ, ເຊັ່ນ: ຫນ້າທີ່ບໍລິຫານຫຼືທັກສະລະຫວ່າງບຸກຄົນ, ຫຼືການປ່ຽນແປງທີ່ໃຊ້ເວລາຄວາມສົນໃຈຜົນກະທົບຕໍ່ ການຮຽນຮູ້, ການພັດທະນາບຸກຄະລິກກະພາບ, ຄວາມກັງວົນກ່ຽວກັບສຸຂະພາບຈິດແລະອື່ນໆ? |
| ການດູແລສຸຂະພາບສ່ວນບຸກຄົນ | ມີການຮຽກຮ້ອງການວິນິດໄສດ້ວຍຕົນເອງ ຫຼືການແກ້ໄຂການດູແລສຸຂະພາບສ່ວນບຸກຄົນບໍ? ຖ້າດັ່ງນັ້ນ, ເຂົາເຈົ້າໄດ້ຮັບການຢັ້ງຢືນມາດຕະຖານລະບຽບການບໍ? |
| ສຸຂະພາບຈິດ | ມີຄວາມສ່ຽງຂອງຄວາມກັງວົນທີ່ເພີ່ມຂຶ້ນ, ຄວາມໂດດດ່ຽວຫຼືບັນຫາສຸຂະພາບຈິດອື່ນໆ, ຫຼື ເຕັກໂນໂລຊີສາມາດແກ້ໄຂຜົນກະທົບດັ່ງກ່າວໄດ້ບໍ? |
| ວິວັດທະນາການຂອງມະນຸດ | ຮູບແບບພາສາຂະຫນາດໃຫຍ່ແລະປັນຍາທົ່ວໄປປອມສາມາດປ່ຽນແປງໄດ້ ວິວັດການຂອງມະນຸດ? |
| ການໂຕ້ຕອບມະນຸດກັບເຄື່ອງຈັກ | ການນໍາໃຊ້ສາມາດນໍາໄປສູ່ການ de-skilling ແລະການເພິ່ງພາອາໄສໃນໄລຍະສໍາລັບບຸກຄົນ? ແມ່ນ ມີຜົນກະທົບຕໍ່ການພົວພັນກັບມະນຸດ? |
| Criteria | ຕົວຢ່າງຂອງວິທີການນີ້ອາດຈະຖືກສະທ້ອນໃຫ້ເຫັນໃນການວິເຄາະ |
| ຄຸນຄ່າຂອງສັງຄົມ | ລະບົບດັ່ງກ່າວມີການປ່ຽນແປງລັກສະນະສັງຄົມໂດຍພື້ນຖານ, ເຮັດໃຫ້ຄວາມຄິດທີ່ເຄີຍຖືວ່າເປັນການຕໍ່ຕ້ານສັງຄົມ, ຫຼືການລະເມີດຄຸນຄ່າຂອງສັງຄົມຂອງວັດທະນະທໍາທີ່ມັນຖືກນໍາໃຊ້ບໍ? |
| ປະຕິສໍາພັນທາງສັງຄົມ | ມີຜົນກະທົບກ່ຽວກັບການຕິດຕໍ່ຂອງມະນຸດທີ່ມີຄວາມຫມາຍ, ລວມທັງຄວາມສໍາພັນທາງອາລົມບໍ? |
| ສຸຂະພາບຂອງປະຊາກອນ | ມີທ່າແຮງສໍາລັບລະບົບທີ່ຈະກ້າວຫນ້າຫຼືທໍາລາຍຄວາມຕັ້ງໃຈດ້ານສຸຂະພາບຂອງປະຊາກອນບໍ? |
| ການສະແດງອອກທາງດ້ານວັດທະນະທໍາ | ການເພີ່ມຂຶ້ນຂອງຄວາມເໝາະສົມທາງດ້ານວັດທະນະທໍາ ຫຼືການຈໍາແນກແມ່ນເປັນໄປໄດ້ ຫຼືຍາກທີ່ຈະແກ້ໄຂ? ການເອື່ອຍອີງໃສ່ລະບົບໃນການຕັດສິນໃຈໄດ້ຍົກເວັ້ນ ຫຼື ຫຼຸດຄວາມຜູກພັນທາງດ້ານວັດທະນະທໍາຂອງສັງຄົມ? |
| ການສຶກສາສາທາລະນະ | ມີຜົນກະທົບຕໍ່ບົດບາດຂອງຄູ ຫຼືສະຖາບັນການສຶກສາບໍ? ລະບົບເນັ້ນຫນັກຫຼືຫຼຸດຜ່ອນການແບ່ງແຍກດິຈິຕອນແລະຄວາມບໍ່ສະເຫມີພາບລະຫວ່າງນັກຮຽນບໍ? ຄຸນຄ່າພາຍໃນຂອງຄວາມຮູ້ ຫຼືຄວາມເຂົ້າໃຈທີ່ວິພາກວິຈານແມ່ນກ້າວໜ້າ ຫຼືຖືກທຳລາຍບໍ? |
| ຄວາມຈິງທີ່ບິດເບືອນ | ວິທີການທີ່ຖືກນໍາໃຊ້ເພື່ອແນມເບິ່ງສິ່ງທີ່ເປັນຄວາມຈິງແມ່ນຍັງໃຊ້ໄດ້ບໍ? ຄວາມຮັບຮູ້ຂອງຄວາມເປັນຈິງຖືກຫຼຸດຫນ້ອຍລົງບໍ? |
| Criteria | ຕົວຢ່າງຂອງວິທີການນີ້ອາດຈະຖືກສະທ້ອນໃຫ້ເຫັນໃນການວິເຄາະ |
| ຂະແໜງອຸດສາຫະກຳ | ລະບົບການນຳໃຊ້ໃນຂະແໜງອຸດສາຫະກຳໃດ (ການເງິນ, ກະສິກຳ, ສາທາລະນະສຸກ, ການສຶກສາ, ປ້ອງກັນປະເທດ ແລະ ອື່ນໆ)? |
| ຮູບແບບທຸລະກິດ | ລະບົບການຈ້າງງານຢູ່ໃນຫນ້າທີ່ທຸລະກິດໃດແລະໃນຄວາມສາມາດໃດ? ລະບົບຖືກນໍາໃຊ້ຢູ່ໃສ (ເອກະຊົນ, ສາທາລະນະ, ບໍ່ຫວັງຜົນກໍາໄລ)? |
| ຜົນກະທົບຕໍ່ກິດຈະກຳທີ່ສຳຄັນ | ການຂັດຂວາງການເຮັດວຽກຫຼືກິດຈະກໍາຂອງລະບົບຈະສົ່ງຜົນກະທົບຕໍ່ການບໍລິການທີ່ສໍາຄັນຫຼືໂຄງສ້າງພື້ນຖານທີ່ສໍາຄັນບໍ? |
| ຄວາມກວ້າງຂອງການນຳໃຊ້ | ລະບົບຖືກນຳໃຊ້ແນວໃດ (ການນຳໃຊ້ແຄບພາຍໃນຫົວໜ່ວຍທຽບກັບການແຜ່ຂະຫຍາຍທົ່ວປະເທດ/ສາກົນ)? |
| ດ້ານເຕັກນິກ | ລະບົບຈະໃຫຍ່ທາງດ້ານເຕັກນິກແນວໃດ? |
| ເຮັດວຽກຮ່ວມກັນ | ມີແນວໂນ້ມທີ່ຈະມີ silos, ລະດັບຊາດຫຼືທົ່ວໂລກ, ທີ່ຂັດຂວາງການຄ້າເສລີແລະຜົນກະທົບຕໍ່ການຮ່ວມມືກັບຄູ່ຮ່ວມງານ? |
| ອະທິປະໄຕດ້ານເຕັກໂນໂລຢີ | ຄວາມປາຖະຫນາສໍາລັບພຶດຕິກໍາການຂັບລົດອະທິປະໄຕດ້ານເຕັກໂນໂລຢີ, ລວມທັງການຄວບຄຸມລະບົບຕ່ອງໂສ້ການສະຫນອງ AI ທັງຫມົດບໍ? |
| ການແຈກຢາຍລາຍຮັບ ແລະ ອັດຕາເງິນເຟີ້ແຫ່ງຊາດ | ພາລະບົດບາດຫຼັກຂອງລັດອະທິປະໄຕສາມາດຖືກຫຼຸດຫນ້ອຍລົງ (ຕົວຢ່າງ, ທະນາຄານສະຫງວນ)? ຄວາມສາມາດຂອງລັດໃນການຕອບສະຫນອງຄວາມຄາດຫວັງຂອງພົນລະເມືອງ (ສັງຄົມ, ເສດຖະກິດ, ການເມືອງແລະອື່ນໆ) ຈະກ້າວຫນ້າຫຼືຫຼຸດລົງ? |
| ການແບ່ງປັນດິຈິຕອລ (ການແບ່ງປັນ AI) | ຄວາມບໍ່ສະເຫມີພາບທາງດ້ານດິຈິຕອນທີ່ມີຢູ່ແມ່ນຮ້າຍແຮງຂຶ້ນຫຼືສ້າງໃຫມ່? |
| Criteria | ຕົວຢ່າງຂອງວິທີການນີ້ອາດຈະຖືກສະທ້ອນໃຫ້ເຫັນໃນການວິເຄາະ |
| ການປົກຄອງ ແລະການບໍລິການສາທາລະນະ | ກົນໄກການຄຸ້ມຄອງແລະລະບົບການຄຸ້ມຄອງທົ່ວໂລກຈະໄດ້ຮັບຜົນກະທົບທາງບວກຫຼືທາງລົບ? |
| ຂ່າວສື່ມວນຊົນ | ການສົນທະນາສາທາລະນະມີແນວໂນ້ມທີ່ຈະກາຍເປັນຂົ້ວແລະຍຶດຫມັ້ນໃນລະດັບປະຊາກອນບໍ? ຈະມີຜົນກະທົບກ່ຽວກັບລະດັບຄວາມໄວ້ວາງໃຈໃນຊັບສິນທີສີ່ບໍ? ຈັນຍາບັນຂອງນັກຂ່າວທຳມະດາ ແລະມາດຕະຖານຄວາມຊື່ສັດຈະໄດ້ຮັບຜົນກະທົບຕື່ມອີກບໍ? |
| Rule of law | ຈະມີຜົນກະທົບກ່ຽວກັບຄວາມສາມາດໃນການກໍານົດບຸກຄົນຫຼືອົງການຈັດຕັ້ງທີ່ຈະຮັບຜິດຊອບ (ເຊັ່ນ: ຄວາມຮັບຜິດຊອບປະເພດໃດແດ່ທີ່ຈະມອບຫມາຍໃຫ້ algorithm ສໍາລັບຜົນໄດ້ຮັບທາງລົບ)? ມີການສູນເສຍອະທິປະໄຕທີ່ສ້າງຂຶ້ນ (ສິ່ງແວດລ້ອມ, ງົບປະມານ, ນະໂຍບາຍສັງຄົມ, ຈັນຍາບັນແລະອື່ນໆ) ບໍ? |
| ການເມືອງ ແລະ ຄວາມສາມັກຄີ | ມີຄວາມເປັນໄປໄດ້ຂອງທັດສະນະທາງດ້ານການເມືອງທີ່ຍຶດຫມັ້ນຫຼາຍແລະມີໂອກາດຫນ້ອຍສໍາລັບການສ້າງຄວາມເຫັນດີນໍາບໍ? ມີຄວາມເປັນໄປໄດ້ຂອງກຸ່ມຄົນດ້ອຍໂອກາດຕື່ມອີກບໍ? ຮູບແບບການເມືອງຂອງຝ່າຍຄ້ານມີຄວາມເປັນໄປໄດ້ຫຼາຍ ຫຼືໜ້ອຍບໍ? |
| ໃບອະນຸຍາດສັງຄົມ | ມີຄວາມກັງວົນກ່ຽວກັບຄວາມເປັນສ່ວນຕົວ, ບັນຫາຄວາມໄວ້ວາງໃຈແລະຄວາມກັງວົນດ້ານສິນທໍາທີ່ຕ້ອງໄດ້ຮັບການພິຈາລະນາສໍາລັບການຍອມຮັບຂອງພາກສ່ວນກ່ຽວຂ້ອງຂອງການນໍາໃຊ້ບໍ? |
| ຄວາມຮູ້ພື້ນເມືອງ | ຄວາມຮູ້ ແລະຂໍ້ມູນຂອງຊົນເຜົ່າພື້ນເມືອງອາດຈະເສຍຫາຍ ຫຼືຖືກລັກລອບບໍ? ມີມາດຕະການທີ່ເໝາະສົມເພື່ອປ້ອງກັນການເຜີຍແຜ່, ຂໍ້ມູນຜິດພາດ ແລະ ການຂູດຮີດບໍ? |
| ລະບົບວິທະຍາສາດ | ຄວາມສົມບູນທາງວິຊາການແລະການຄົ້ນຄວ້າຖືກຫຼຸດຫນ້ອຍລົງບໍ? ມີການສູນເສຍຄວາມເຊື່ອຫມັ້ນໃນວິທະຍາສາດບໍ? ມີຄວາມເປັນໄປໄດ້ຂອງການໃຊ້ໃນທາງທີ່ຜິດ, ການໃຊ້ຫຼາຍເກີນໄປຫຼືການລ່ວງລະເມີດ? ຜົນສະທ້ອນຂອງການປະຕິບັດວິທະຍາສາດແມ່ນຫຍັງ? |
| Criteria | ຕົວຢ່າງຂອງວິທີການນີ້ອາດຈະຖືກສະທ້ອນໃຫ້ເຫັນໃນການວິເຄາະ |
| ການເຝົ້າລະວັງຄວາມຊັດເຈນ | ລະບົບໄດ້ຖືກຝຶກອົບຮົມກ່ຽວກັບຂໍ້ມູນພຶດຕິກໍາແລະຊີວະວິທະຍາຂອງບຸກຄົນແລະພວກເຂົາສາມາດຖືກນໍາໃຊ້ເພື່ອຂູດຮີດບຸກຄົນຫຼືກຸ່ມ? |
| ການແຂ່ງຂັນດິຈິຕອນ | ບຸກຄົນຂອງລັດ ຫຼື ທີ່ບໍ່ແມ່ນຂອງລັດ (ເຊັ່ນ: ບໍລິສັດເຕັກໂນໂລຢີຂະຫນາດໃຫຍ່) ສາມາດຄວບຄຸມລະບົບ ແລະຂໍ້ມູນເພື່ອເຂົ້າໃຈ ແລະຄວບຄຸມປະຊາກອນ ແລະລະບົບນິເວດຂອງປະເທດອື່ນ, ຫຼືທໍາລາຍການຄວບຄຸມເຂດປົກຄອງ? |
| ການແຂ່ງຂັນທາງພູມິສາດການເມືອງ | ລະບົບສາມາດກະຕຸ້ນການແຂ່ງຂັນລະຫວ່າງປະເທດໃນການເກັບຂໍ້ມູນສ່ວນບຸກຄົນແລະກຸ່ມເພື່ອຜົນປະໂຫຍດທາງດ້ານເສດຖະກິດ, ການແພດແລະຄວາມປອດໄພບໍ? |
| ປ່ຽນແປງໃນມະຫາອຳນາດທົ່ວໂລກ | ສະຖານະຂອງປະເທດຊາດເປັນຕົວຊີ້ນຳທາງພູມສາດທາງການເມືອງຕົ້ນຕໍຂອງໂລກຖືກຂົ່ມຂູ່ບໍ? ບໍລິສັດເຕັກໂນໂລຊີຍຶດເອົາອໍານາດເມື່ອໄດ້ສະຫງວນສໍາລັບປະເທດຊາດແລະພວກເຂົາເຈົ້າໄດ້ກາຍເປັນເອກະລາດ, ມີອະທິປະໄຕທີ່ເປັນລະບຽບຂອງໂລກເຕັກໂນໂລຊີທີ່ເກີດໃຫມ່? |
| Disinformation | ລະບົບຈະອໍານວຍຄວາມສະດວກໃນການຜະລິດແລະການເຜີຍແຜ່ຂໍ້ມູນທີ່ບໍ່ຖືກຕ້ອງຂອງນັກສະແດງຂອງລັດແລະທີ່ບໍ່ແມ່ນຂອງລັດທີ່ມີຜົນກະທົບກັບຄວາມສາມັກຄີທາງສັງຄົມ, ຄວາມໄວ້ວາງໃຈແລະປະຊາທິປະໄຕບໍ? |
| ແອັບພລິເຄຊັນທີ່ໃຊ້ໄດ້ສອງຢ່າງ | ມີຄວາມເປັນໄປໄດ້ສໍາລັບທັງສອງຄໍາຮ້ອງສະຫມັກທາງທະຫານເຊັ່ນດຽວກັນກັບການນໍາໃຊ້ພົນລະເຮືອນ? |
| ການແບ່ງແຍກຂອງລະບຽບໂລກ | silos ຫຼືກຸ່ມຂອງກົດລະບຽບແລະການປະຕິບັດຕາມສາມາດພັດທະນາທີ່ຂັດຂວາງການຮ່ວມມື, ນໍາໄປສູ່ຄວາມບໍ່ສອດຄ່ອງໃນການນໍາໃຊ້ແລະສ້າງພື້ນທີ່ສໍາລັບຂໍ້ຂັດແຍ່ງ? |
| Criteria | ຕົວຢ່າງຂອງວິທີການນີ້ອາດຈະຖືກສະທ້ອນໃຫ້ເຫັນໃນການວິເຄາະ |
| ການຊົມໃຊ້ພະລັງງານ ແລະຊັບພະຍາກອນ (ຮອຍຄາບອນ) | ລະບົບແລະຄວາມຕ້ອງການເພີ່ມການບໍລິໂພກພະລັງງານແລະຊັບພະຍາກອນຫຼາຍກວ່າແລະສູງກວ່າການເພີ່ມປະສິດທິພາບທີ່ໄດ້ຮັບຜ່ານຄໍາຮ້ອງສະຫມັກບໍ? |
| ແຫຼ່ງພະລັງງານ | ພະລັງງານມາຈາກໃສສໍາລັບລະບົບ (ສາມາດທົດແທນໄດ້ທຽບກັບນໍ້າມັນເຊື້ອໄຟຟອດຊິວທໍາແລະອື່ນໆ)? |
| Criteria | ຕົວຢ່າງຂອງວິທີການນີ້ອາດຈະຖືກສະທ້ອນໃຫ້ເຫັນໃນການວິເຄາະ |
| ທິດທາງ ແລະ ການເກັບກຳ | ຂໍ້ມູນແລະການປ້ອນຂໍ້ມູນຖືກເກັບກໍາໂດຍມະນຸດ, ເຊັນເຊີອັດຕະໂນມັດຫຼືທັງສອງ? |
| ຫຼັກຖານສະແດງຂໍ້ມູນ | ຂໍ້ມູນແລະການປ້ອນຂໍ້ມູນຈາກຜູ້ຊ່ຽວຊານສະຫນອງໃຫ້, ສັງເກດເຫັນ, ສັງເຄາະຫຼືມາຈາກ? ມີການປົກປ້ອງລາຍນໍ້າເພື່ອຢືນຢັນການພິສູດບໍ? |
| ລັກສະນະໄດນາມິກຂອງຂໍ້ມູນ | ຂໍ້ມູນມີການປັບປຸງແບບເຄື່ອນໄຫວ, ຄົງທີ່, ແບບເຄື່ອນໄຫວເປັນໄລຍະໆ ຫຼືເວລາຈິງບໍ? |
| ສິດທິ | ຂໍ້ມູນແມ່ນເປັນເຈົ້າຂອງ, ສາທາລະນະ ຫຼືສ່ວນບຸກຄົນ (ກ່ຽວຂ້ອງກັບບຸກຄົນທີ່ສາມາດລະບຸຕົວຕົນໄດ້) ບໍ? |
| ການລະບຸຕົວຕົນ ແລະ ຂໍ້ມູນສ່ວນຕົວ | ຖ້າເປັນສ່ວນຕົວ, ຂໍ້ມູນຖືກບໍ່ເປີດເຜີຍຊື່ ຫຼື ນາມສະກຸນບໍ? |
| ໂຄງສ້າງຂອງຂໍ້ມູນ | ຂໍ້ມູນມີໂຄງສ້າງ, ເຄິ່ງໂຄງສ້າງ, ສະລັບສັບຊ້ອນຫຼືບໍ່ມີໂຄງສ້າງບໍ? |
| ຮູບແບບຂອງຂໍ້ມູນ | ຮູບແບບຂອງຂໍ້ມູນແລະ metadata ແມ່ນມາດຕະຖານຫຼືບໍ່ໄດ້ມາດຕະຖານ? |
| ຂະໜາດຂອງຂໍ້ມູນ | ຂະໜາດຂອງຊຸດຂໍ້ມູນແມ່ນຫຍັງ? |
| ຄວາມເໝາະສົມ ແລະຄຸນນະພາບຂອງຂໍ້ມູນ | ຊຸດຂໍ້ມູນເຫມາະກັບຈຸດປະສົງບໍ? ຂະຫນາດຕົວຢ່າງພຽງພໍບໍ? ມັນເປັນຕົວແທນແລະຄົບຖ້ວນພຽງພໍບໍ? ຂໍ້ມູນມີສຽງດັງແນວໃດ? ມັນມີຄວາມຜິດພາດບໍ່? |
| Criteria | ຕົວຢ່າງຂອງວິທີການນີ້ອາດຈະຖືກສະທ້ອນໃຫ້ເຫັນໃນການວິເຄາະ |
| ຄວາມພ້ອມຂອງຂໍ້ມູນ | ມີຂໍ້ມູນໃດໆກ່ຽວກັບຕົວແບບຂອງລະບົບບໍ? |
| ປະເພດຂອງຕົວແບບ AI | ຕົວແບບເປັນສັນຍາລັກ (ກົດລະບຽບທີ່ສ້າງຂຶ້ນໂດຍມະນຸດ), ສະຖິຕິ (ໃຊ້ຂໍ້ມູນ) ຫຼືປະສົມ? |
| ສິດທິທີ່ກ່ຽວຂ້ອງກັບຕົວແບບ | ຮູບແບບເປີດແຫຼ່ງ ຫຼືເປັນເຈົ້າຂອງ, ຕົນເອງ ຫຼືພາກສ່ວນທີສາມຖືກຈັດການບໍ? |
| ຮູບແບບດຽວ ຫຼື ຫຼາຍຮູບແບບ | ລະບົບປະກອບດ້ວຍຕົວແບບຫນຶ່ງຫຼືຫຼາຍຕົວແບບເຊື່ອມຕໍ່ກັນບໍ? |
| ໂດຍທົ່ວໄປ ຫຼືຈໍາແນກ | ແບບຈໍາລອງແມ່ນເປັນການສ້າງ, ຈໍາແນກຫຼືທັງສອງ? |
| ການສ້າງແບບຈໍາລອງ | ລະບົບຮຽນຮູ້ໂດຍອີງໃສ່ກົດລະບຽບທີ່ມະນຸດຂຽນ, ຈາກຂໍ້ມູນ, ໂດຍຜ່ານການຮຽນຮູ້ທີ່ມີການຄວບຄຸມຫຼືຜ່ານການຮຽນຮູ້ເສີມບໍ? |
| ການວິວັດທະນາການຕົວແບບ (AI drift) | ຮູບແບບດັ່ງກ່າວພັດທະນາ ແລະ/ຫຼືໄດ້ຮັບຄວາມສາມາດຈາກການພົວພັນກັບຂໍ້ມູນໃນພາກສະຫນາມບໍ? |
| ການຮຽນຮູ້ແບບສະຫະພັນ ຫຼືສູນກາງ | ຮູບແບບດັ່ງກ່າວໄດ້ຮັບການຝຶກອົບຮົມຈາກສູນກາງຫຼືຢູ່ໃນເຄື່ອງແມ່ຂ່າຍທ້ອງຖິ່ນຈໍານວນຫນຶ່ງຫຼືອຸປະກອນ 'ຂອບ'? |
| ການພັດທະນາ/ການບຳລຸງຮັກສາ | ຮູບແບບດັ່ງກ່າວເປັນແບບທົ່ວໆໄປ, ສາມາດປັບແຕ່ງໄດ້ ຫຼື ເໝາະກັບຂໍ້ມູນຂອງນັກສະແດງ AI ບໍ? |
| ການກໍານົດຫຼືຄວາມເປັນໄປໄດ້ | ຮູບແບບທີ່ໃຊ້ໃນລັກສະນະທີ່ກໍານົດ ຫຼືຄວາມເປັນໄປໄດ້? |
| ຄວາມໂປ່ງໃສຂອງຕົວແບບ | ມີຂໍ້ມູນສໍາລັບຜູ້ໃຊ້ເພື່ອໃຫ້ພວກເຂົາເຂົ້າໃຈຜົນໄດ້ຮັບຂອງຕົວແບບແລະຂໍ້ຈໍາກັດຫຼືຂໍ້ຈໍາກັດຂອງການນໍາໃຊ້ບໍ? |
| ຂໍ້ຈຳກັດດ້ານການຄິດໄລ່ | ມີຂໍ້ຈໍາກັດດ້ານຄອມພິວເຕີ້ກັບລະບົບບໍ? ມັນເປັນໄປໄດ້ທີ່ຈະຄາດຄະເນການກະໂດດຂອງຄວາມສາມາດຫຼືກົດຫມາຍການປັບຂະຫນາດ? |
| Criteria | ຕົວຢ່າງຂອງວິທີການນີ້ອາດຈະຖືກສະທ້ອນໃຫ້ເຫັນໃນການວິເຄາະ |
| ວຽກງານທີ່ປະຕິບັດໂດຍລະບົບ | ລະບົບປະຕິບັດວຽກງານໃດແດ່ (ການຮັບຮູ້, ການກວດພົບເຫດການ, ການພະຍາກອນແລະອື່ນໆ)? |
| ສົມທົບວຽກງານແລະການປະຕິບັດ | ລະບົບການລວມເອົາວຽກງານແລະການດໍາເນີນການຈໍານວນຫນຶ່ງ (ລະບົບການຜະລິດເນື້ອຫາ, ລະບົບປົກຄອງຕົນເອງ, ລະບົບຄວບຄຸມແລະອື່ນໆ) ບໍ? |
| ລະດັບຄວາມເປັນເອກະລາດຂອງລະບົບ | ການກະທຳຂອງລະບົບມີຄວາມເປັນເອກະລາດຫຼາຍປານໃດ ແລະມະນຸດມີບົດບາດອັນໃດແດ່? |
| ລະດັບການມີສ່ວນຮ່ວມຂອງມະນຸດ | ມີການມີສ່ວນຮ່ວມຂອງມະນຸດຈໍານວນຫນຶ່ງເພື່ອກວດກາເບິ່ງກິດຈະກໍາໂດຍລວມຂອງລະບົບ AI ແລະຄວາມສາມາດໃນການຕັດສິນໃຈເວລາແລະວິທີການນໍາໃຊ້ລະບົບ AI ໃນສະຖານະການໃດ? |
| ຄໍາຮ້ອງສະຫມັກຫຼັກ | ລະບົບເປັນຂອງພື້ນທີ່ແອັບພລິເຄຊັນຫຼັກເຊັ່ນ: ເທັກໂນໂລຍີພາສາມະນຸດ, ວິໄສທັດຄອມພິວເຕີ, ອັດຕະໂນມັດ ແລະ/ຫຼື ການເພີ່ມປະສິດທິພາບ ຫຼືຫຸ່ນຍົນບໍ? |
| ການປະເມີນຜົນ | ມີມາດຕະຖານຫຼືວິທີການສໍາລັບການປະເມີນຜົນຜະລິດຂອງລະບົບບໍ? |
ກອບນີ້ຖືກນໍາໃຊ້ແນວໃດ?
ໂຄງຮ່າງການນີ້ສາມາດຖືກນໍາໃຊ້ໃນຫຼາຍວິທີ, ລວມທັງ:
ວິທີການຕໍ່ຫນ້າ
ສະຫລຸບລວມແລ້ວ, ກອບການວິເຄາະແມ່ນໄດ້ສະຫນອງໃຫ້ເປັນພື້ນຖານຂອງຊຸດເຄື່ອງມືທີ່ສາມາດນໍາໃຊ້ໄດ້ໂດຍຜູ້ມີສ່ວນກ່ຽວຂ້ອງເພື່ອເບິ່ງຢ່າງເລິກເຊິ່ງກ່ຽວກັບການພັດທະນາທີ່ສໍາຄັນຂອງເວທີຫຼືການນໍາໃຊ້ຢ່າງສອດຄ່ອງແລະເປັນລະບົບ. ຂະຫນາດທີ່ນໍາສະເຫນີໃນກອບນີ້ມີຄວາມກ່ຽວຂ້ອງຈາກການປະເມີນເຕັກໂນໂລຢີໄປສູ່ນະໂຍບາຍສາທາລະນະ, ຈາກການພັດທະນາມະນຸດຈົນເຖິງສັງຄົມວິທະຍາ, ແລະການສຶກສາໃນອະນາຄົດແລະເຕັກໂນໂລຢີ. ໃນຂະນະທີ່ພັດທະນາສໍາລັບ AI, ກອບການວິເຄາະນີ້ມີການນໍາໃຊ້ຢ່າງກວ້າງຂວາງກັບເຕັກໂນໂລຢີທີ່ພົ້ນເດັ່ນຂື້ນອື່ນໆ.
ຂອບໃຈ
ປະຊາຊົນຈໍານວນຫຼາຍໄດ້ຮັບການປຶກສາຫາລືແລະໃຫ້ຄໍາຄິດເຫັນໃນການພັດທະນາຂອງທັງສອງເອກະສານການສົນທະນາເບື້ອງຕົ້ນແລະຄໍາຄຶດຄໍາເຫັນຫຼັງຈາກການປ່ອຍອອກມາ. ເອກະສານທັງສອງສະບັບໄດ້ຖືກຮ່າງໂດຍ Sir Peter Gluckman, ປະທານ, ISC ແລະ Hema Sridhar, ອະດີດຫົວຫນ້າທີ່ປຶກສາວິທະຍາສາດ, ກະຊວງປ້ອງກັນປະເທດ, ນິວຊີແລນແລະປະຈຸບັນອາວຸໂສຄົ້ນຄ້ວາ. Fellow, ມະຫາວິທະຍາໄລ Auckland, ນິວຊີແລນ.
ໂດຍສະເພາະ, ISC Lord Martin Rees, ອະດີດປະທານຂອງ Royal Society ແລະຜູ້ຮ່ວມກໍ່ຕັ້ງຂອງສູນການສຶກສາຄວາມສ່ຽງທີ່ມີຢູ່ແລ້ວ, ມະຫາວິທະຍາໄລ Cambridge; ສາດສະດາຈານ Shivaji Sondhi, ອາຈານສອນວິຊາຟີຊິກສາດ, ມະຫາວິທະຍາໄລ Oxford; ສາດສະດາຈານ K Vijay Raghavan, ອະດີດທີ່ປຶກສາດ້ານວິທະຍາສາດຫຼັກຂອງລັດຖະບານອິນເດຍ; Amandeep Singh Gill, ທູດພິເສດຂອງເລຂາທິການໃຫຍ່ສະຫະປະຊາຊາດກ່ຽວກັບເຕັກໂນໂລຢີ; Seán Ó hÉigeartaigh, ຜູ້ອໍານວຍການບໍລິຫານ, ສູນການສຶກສາຄວາມສ່ຽງທີ່ມີຢູ່ແລ້ວ, ມະຫາວິທະຍາໄລ Cambridge; Sir David Spiegelhalter, ອາຈານ Winton ຂອງຄວາມເຂົ້າໃຈສາທາລະນະກ່ຽວກັບຄວາມສ່ຽງ, ມະຫາວິທະຍາໄລ
ຂອງ Cambridge; Amanda-June Brawner, ທີ່ປຶກສາດ້ານນະໂຍບາຍອາວຸໂສ ແລະ Ian Wiggins, ຜູ້ອໍານວຍການຝ່າຍສາກົນ, Royal Society, ສະຫະລາຊະອານາຈັກ; Dr Jerome Duberry, ຜູ້ອໍານວຍການບໍລິຫານແລະທ່ານດຣ Marie-Laure Salles, ຜູ້ອໍານວຍການ, Geneva Graduate Institute; Chor Pharn Lee, ສູນກາງຍຸດທະສາດອານາຄົດ, ຫ້ອງການນາຍົກລັດຖະມົນຕີ, ສິງກະໂປ; Barend Mons ແລະທ່ານດຣ Simon Hodson, ຄະນະກໍາມະການກ່ຽວກັບຂໍ້ມູນ (CoDATA); ສາດສະດາຈານ Yuko Harayama, ອະດີດຜູ້ອໍານວຍການບໍລິຫານ, RIKEN; ສາດສະດາຈານ
Rémi Quirion, ປະທານ, INGSA; ທ່ານດຣ Claire Craig, ມະຫາວິທະຍາໄລ Oxford ແລະອະດີດຫົວຫນ້າ Foresight, ຫ້ອງວ່າການລັດຖະບານຂອງວິທະຍາສາດ; ສາດສະດາຈານ Yoshua Bengio, ຄະນະທີ່ປຶກສາວິທະຍາສາດຂອງເລຂາທິການໃຫຍ່ສະຫະປະຊາຊາດ ແລະຢູ່ມະຫາວິທະຍາໄລ Montréal; ແລະອີກຫຼາຍຄົນທີ່ໃຫ້ຄໍາຄິດເຫັນຕໍ່ ISC ໃນເອກະສານສົນທະນາເບື້ອງຕົ້ນ.
ການກະກຽມລະບົບນິເວດການຄົ້ນຄວ້າແຫ່ງຊາດສໍາລັບ AI: ຍຸດທະສາດແລະຄວາມຄືບຫນ້າໃນປີ 2024
ເອກະສານການເຮັດວຽກນີ້ຈາກນັກຄິດຂອງ ISC, ສູນວິທະຍາສາດອະນາຄົດ, ສະຫນອງຂໍ້ມູນພື້ນຖານແລະການເຂົ້າເຖິງຊັບພະຍາກອນຈາກບັນດາປະເທດຈາກທຸກພາກສ່ວນຂອງໂລກ, ໃນຂັ້ນຕອນຕ່າງໆຂອງການລວມ AI ເຂົ້າໃນລະບົບນິເວດການຄົ້ນຄວ້າຂອງພວກເຂົາ.
ການກໍ່ສ້າງລະບົບວິທະຍາສາດທີ່ກຽມພ້ອມໃນອະນາຄົດຢູ່ໃນ Global South
ເຕັກໂນໂລຢີທີ່ພົ້ນເດັ່ນຂື້ນກໍາລັງປ່ຽນຮູບແບບວິທີການວິທະຍາສາດດໍາເນີນການແລະສະເຫນີທ່າແຮງທີ່ສໍາຄັນເພື່ອເສີມສ້າງລະບົບວິທະຍາສາດໃນພາກໃຕ້ທົ່ວໂລກ - ຖ້າການຮັບຮອງເອົາຂອງພວກມັນຖືກນໍາພາໂດຍວິທີການລວມ, ສະຫນັບສະຫນູນດີ, ແລະຄວາມອ່ອນໄຫວຕໍ່ກັບສະພາບການ. ວິທີການຮັບປະກັນເຕັກໂນໂລຢີເຫຼົ່ານີ້ປະກອບສ່ວນເຂົ້າໃນລະບົບວິທະຍາສາດທີ່ມີຄວາມສະເຫມີພາບແລະທົນທານກວ່າ, ແທນທີ່ຈະເປັນການເສີມສ້າງຄວາມບໍ່ສະເຫມີພາບທີ່ມີຢູ່, ແມ່ນຈຸດໃຈກາງຂອງການຖອຍຫລັງຂອງຍຸດທະສາດທີ່ຜ່ານມານີ້.
ອ່ານເພີ່ມເຕີມກ່ຽວກັບການເປີດເຜີຍ AI ໃນການຄົ້ນຄວ້າ: ສູ່ມາດຕະຖານການລາຍງານທົ່ວໂລກ
ອ່ານເພີ່ມເຕີມກ່ຽວກັບ ສູ່ຄວາມສະເໝີພາບລະຫວ່າງຍິງຊາຍໃນອົງການຈັດຕັ້ງວິທະຍາສາດ: ການປະເມີນຜົນ ແລະ ຄຳແນະນຳ
ອ່ານເພີ່ມເຕີມກ່ຽວກັບການສົນທະນາຄວາມຮູ້ທົ່ວໂລກ Muscat
