作者：John P. Desmond，人工智能趋势编辑
劳动力中的年轻人更容易接触到人工智能，他们是在 Alexa 和自动驾驶汽车的陪伴下长大的“数字原住民”，这让他们的期望基于他们对可能性的体验。
这个想法为以下小组讨论奠定了基础： 人工智能世界政府 关于人工智能工程团队的心态需求和技能组合神话，本周在弗吉尼亚州亚历山大举行了虚拟和面对面的会议。
美国国家科学基金会首席信息官兼首席数据官、专家小组成员多萝西·阿伦森 (Dorothy Aronson) 表示：“人们觉得人工智能触手可及，因为技术已经存在，但技术领先于我们的文化成熟度。” “这就像给孩子一个锋利的物体。我们可能可以获得大数据，但这可能不是正确的做法，”在所有情况下都使用它。
事情正在加速发展，这提高了期望。当小组成员、加州大学伯克利分校讲师兼研究员 Vivek Rao 攻读博士学位时，一篇有关自然语言处理的论文可能会成为一篇硕士论文。 “现在我们将其作为一项为期两天的家庭作业布置。我们拥有两年前还没有的巨大计算能力，”他在谈到他的学生时说道，他将学生描述为“数字原住民”，对人工智能的实现抱有很高的期望。
小组主持人 Rachel Dzombak，数字化转型负责人 软件工程学院 卡内基梅隆大学的教授向小组成员询问政府人工智能工作的独特之处。
阿伦森表示，政府不能在这项技术上走得太远，否则用户将不知道如何与之互动。 “我们不生产 iPhone，”她说。 “我们正在进行实验，我们总是向前看，预测未来，这样我们就可以做出最具成本效益的决策。在目前的政府中，我们看到新兴一代和接近退休一代的融合，我们也必须为他们服务。”
在她职业生涯的早期，阿伦森并不想在政府工作。 “我以为这意味着你要么在武装部队，要么在和平队，”她说。 “但一段时间后我了解到，激励联邦雇员的是为更大的、解决问题的机构服务。我们正在努力解决公平和多样性等真正的大问题，为人们提供食物并保证人们的安全。为政府工作的人致力于这些使命。”
她提到她的两个 20 多岁的孩子，他们喜欢服务的想法，但只是“小块”，意思是，“他们不认为政府是一个拥有自由、可以做任何他们想做的事情的地方。他们认为这是一种封锁状态。但事实并非如此。”
伯克利学生了解政府在救灾中的作用
伯克利分校的拉奥说，他的学生们看到了加利福尼亚州的野火，并询问谁正在努力应对挑战，为这些野火采取行动。当他告诉他们几乎总是地方、州和联邦政府实体时，“学生们普遍会惊讶地发现这一点。”
例如，他与卡内基梅隆大学、国防部、陆军未来实验室和海岸警卫队搜救合作开发了一门关于灾害响应创新的课程。 “这让学生们大开眼界，”他说。一开始，35 名学生中有两人表达了对联邦政府职业的兴趣。课程结束时，35 名学生中有 10 人表达了兴趣。拉奥说，其中一人被加利福尼亚州科罗纳郊外的海军水面作战中心聘为软件工程师。
阿伦森将引进新联邦雇员的过程描述为“繁重的任务”，并表示，“如果我们能够提前做好准备，进展会快得多。”
当 Dzombak 询问人工智能工程团队需要哪些技能和思维方式时，小组成员、美国总务管理局数据与人工智能主管 Bryan Lane（他在会议期间宣布将在 FDIC 担任新职务）表示，弹性是一种必要的品质。
Lane 是 GSA IT 现代化卓越中心 (CoE) 的技术主管，在领导高级分析和技术计划方面拥有超过 15 年的经验。他领导了 GSA 与国防部联合人工智能中心 (JAIC) 的合作关系。 [Ed. Note: Known as “the Jake.”] 莱恩也是创始人 数据XD。 他还拥有管理收购组合的行业经验。
“对于有弹性的团队来说，踏上人工智能之旅最重要的是，你需要为意外情况做好准备，并且使命必须持续存在，”他说。 “如果大家都认同任务的重要性，那么团队就能团结在一起。”
团队成员承认“以前从未这样做过”，这是一个好兆头
关于心态，他说更多的团队成员来找他说，“我以前从未这样做过。”他认为这是一个好兆头，提供了讨论风险和替代解决方案的机会。 “当你的团队有心理安全感时，可以说他们不知道某些事情，”莱恩认为这是积极的。 “焦点总是放在你所做的事情和你已经交付的东西上。很少关注你以前没有做过的事情和你想要成长的事情，”他说，
阿伦森发现启动人工智能项目具有挑战性。 “很难告诉管理层你有一个用例或问题需要解决并想要解决它，而且完成的可能性是 50-50，而且你不知道它会花费多少，”她说。 “归根结底是要阐明理由并说服其他人，继续前进是正确的做法。”
拉奥说，他与学生谈论实验和实验心态。 “人工智能工具很容易获得，但它们可能会掩盖你可能遇到的挑战。当你应用视觉 API 时，例如在你的企业或政府机构面临挑战的背景下，事情可能不会顺利，”他说。
主持人 Dzombak 询问小组成员如何组建团队。阿森说：“你需要一群人。”她尝试了围绕解决具体问题的“实践社区”，人们可以来来去去。 “你把人们聚集在一起解决一个问题，而不是一个工具，”她说。
莱恩对此表示赞同。 “我真的已经不再关注一般的工具了，”他说。他在 JAIC 进行了会计、金融和其他领域的实验。 “我们发现这并不是工具的问题。而是让合适的人聚集在一起来理解问题，然后研究可用的工具，”他说。
莱恩说，他建立了“跨职能团队”，“比利益共同体更正式一点”。他发现他们在大约 45 天的时间里共同解决一个问题是有效的。他还喜欢与组织内部所需服务的客户合作，并看到客户因此了解数据管理和人工智能。莱恩说：“我们将一路挑选一两个人，成为在整个组织内加速人工智能发展的倡导者。”
莱恩认为，需要五年时间才能制定出经过验证的思维方法、工作方法和最佳实践，以开发人工智能系统来为政府服务。他提到 机会项目 (TOP) 美国人口普查局于 2016 年开始致力于应对海洋塑料污染、COVID-19 经济复苏和灾难应对等挑战。 TOP 在此期间参与了超过 135 个面向公众的项目，拥有超过 1,300 名校友，包括开发人员、设计师、社区领袖、数据和政策专家、学生和政府机构。
“它基于一种思维方式以及如何组织工作，”莱恩说。 “我们必须扩大交付模式，但五年后，我们将有足够的概念证明来知道什么有效，什么无效。”
