作者：John P. Desmond，人工智能趋势编辑
推进值得信赖的人工智能和机器学习以降低机构风险是美国能源部 (DOE) 的首要任务，而确定大规模实施人工智能的最佳实践是美国总务管理局 (GSA) 的首要任务。
这是与会者在两次会议中了解到的内容 人工智能世界政府 上周在弗吉尼亚州亚历山大举行了现场和虚拟活动。
美国能源部人工智能和技术办公室主任帕梅拉·伊索姆 (Pamela Isom) 发表了《推进可信赖的人工智能和机器学习技术以减轻机构风险》的演讲，多年来一直致力于在整个机构内推广人工智能的使用。她重点关注应用人工智能和数据科学，负责监督风险缓解政策和标准，并参与应用人工智能来拯救生命、打击欺诈和加强网络安全基础设施。
她强调人工智能项目工作需要成为战略组合的一部分。 “我的办公室致力于推动对人工智能的整体看法，并通过让我们团结起来应对挑战来降低风险，”她说。这项工作得到了美国能源部人工智能和技术办公室的协助，该办公室致力于通过加速人工智能的研究、开发、交付和采用，将能源部转变为世界领先的人工智能企业。
“我告诉我的组织要注意这样一个事实，你可以拥有大量数据，但它可能不具有代表性，”她说。她的团队研究了来自国际合作伙伴、工业界、学术界和其他机构的示例，从包含人工智能的系统中寻找“我们可以信任”的结果。
“我们知道人工智能具有颠覆性，它试图做人类所做的事情，并做得更好，”她说。 “它超出了人类的能力；它超越了电子表格中的数据；它可以在我自己思考之前告诉我下一步要做什么。它就是那么强大，”她说。
因此，必须密切关注数据来源。 “人工智能对经济和我们的国家安全至关重要。我们需要精确性；我们需要值得信赖的算法；我们需要准确性。我们不需要偏见，”Isom 说道，并补充道，“并且不要忘记，在模型部署后很长时间内，您需要监控模型的输出。”
行政命令指南 GSA AI 工作
今年 5 月发布的第 14028 号行政命令是解决政府机构网络安全问题的一系列详细行动，而 2020 年 12 月发布的第 13960 号行政命令则促进在联邦政府中使用值得信赖的人工智能，这为她的工作提供了宝贵的指导。
为了帮助管理人工智能开发和部署的风险，Isom 制作了人工智能风险管理手册，它提供了有关系统功能和缓解技术的指导。它还具有道德和值得信赖原则的过滤器，这些原则在整个人工智能生命周期阶段和风险类型中得到考虑。此外，该手册与相关行政命令相关。
它提供了示例，例如您的结果准确率为 80%，但您想要 90%。 “有些地方出了问题，”伊索姆补充道，“这本手册可以帮助您了解这些类型的问题，以及可以采取哪些措施来降低风险，以及在设计和构建项目时应该权衡哪些因素。”
虽然目前属于能源部内部，但该机构正在研究外部版本的后续步骤。 “我们将很快与其他联邦机构分享，”她说。
GSA 概述了扩展 AI 项目的最佳实践
Anil Chaudhry 是 GSA 人工智能卓越中心 (CoE) 联邦人工智能实施总监，发表了关于大规模实施人工智能的最佳实践的演讲，他在国防、情报和国家安全领域的技术交付、运营和项目管理方面拥有 20 多年的经验。
CoE 的使命是加速整个政府的技术现代化、改善公众体验并提高运营效率。 “我们的商业模式是与行业主题专家合作解决问题，”乔杜里说，并补充道，“我们的业务不是重新创建行业解决方案并复制它们。”
随着联邦政府大力参与人工智能开发，CoE 正在向合作伙伴机构提供建议，并与他们合作实施人工智能系统。 “对于人工智能来说，政府环境广阔。每个联邦机构现在都有某种人工智能项目正在进行，”他说，而且各个机构的人工智能经验成熟度差异很大。
他看到的典型用例包括让人工智能专注于提高速度和效率、节省成本和避免成本、缩短响应时间以及提高质量和合规性。作为最佳实践之一，他推荐了这些机构 审查他们的商业经验 他们将在政府中遇到大量数据集。
“我们这里讨论的是 PB 级和 EB 级的结构化和非结构化数据，”Chaudhry 说。 [Ed. Note: A petabyte is 1,000 terabytes.] “还要向行业合作伙伴询问他们如何进行宏观和微观趋势分析的策略和流程，以及他们在机器人流程自动化等机器人部署方面的经验，以及他们如何通过数据漂移来展示可持续性。”
他还要求潜在的行业合作伙伴 描述他们团队中的人工智能人才 或者他们可以获得哪些人才。如果公司在人工智能人才方面薄弱，乔杜里会问，“如果你买了一些东西，当你无法评估它时，你怎么知道你得到了你想要的东西呢？”
他补充道：“实施人工智能的最佳实践是定义如何培训员工利用人工智能工具、技术和实践，并定义如何培养和成熟员工。人才的获取会导致人工智能项目的成功或失败，特别是在将试点扩展到完全部署的系统时。”
在另一个最佳实践中，乔杜里建议检查行业合作伙伴的 获得金融资本。 “人工智能是一个资本流动高度波动的领域。”他说，“你无法预测或预测今年你会花费多少美元才能达到你想要的目标。”因为人工智能开发团队可能需要探索另一个假设，或者清理一些可能不透明或可能有偏见的数据。“如果你无法获得资金，你的项目就有失败的风险，”他说。
另一个最佳实践是 获得物流资本，例如传感器为 AI IoT 系统收集的数据。 “人工智能需要大量权威且及时的数据。直接访问这些数据至关重要，”乔杜里说。他建议与人工智能系统相关的组织签订数据共享协议。他说：“你可能不会立即需要它，但能够访问数据，这样你就可以立即使用它，并在需要数据之前考虑好隐私问题，这是扩展人工智能程序的一个很好的做法。”
最终的最佳实践是规划 有形基础设施， 例如数据中心空间。 Chaudhry 说：“当您进行试点时，您需要知道在应用程序扩展时需要在数据中心预留多少容量，以及需要管理多少个端点。”他补充道，“这一切都与获得资本和所有其他最佳实践有关。”
了解更多信息，请访问 人工智能世界政府。
