Real Data

标准制定和法规制定需要公共/私营部门的合作

制定人工智能治理标准和法规并非易事。一些基本而复杂的术语（例如人工智能、公平性、可解释性）和不一致，这是一个问题。然而，与会者认识到，具体情况至关重要。由于人工智能并非一项单一的技术，而且它将不断发展壮大，因此不存在放之四海而皆准的人工智能监管方法。

幸运的是，许多最初的监管和标准举措在很大程度上是由私营部门和公共部门以及国际机构合作制定的（例如，美国的国家人工智能咨询委员会、新加坡的人工智能伦理使用和数据咨询委员会）。合作不仅能促成更全面的标准和法规，如果拟议法规本质上是多利益相关方参与的，还能增强公众的信任。

多学科监管方法的重要性怎么强调也不为过。我们正在参与并尝试管理社会技术系统，这需要跨学科协作。关于多元化员工群体和高管团队对业务成果的影响，已有大量研究成果发表。同样，缺乏多样性和包容性已被证明是造成诸多危害的根本原因。数字经济 (DEI) 在人工智能开发中具有认知优势，能够提升竞争优势。

当然，仅仅拥有一支多元化的团队是不够的。这些团队必须有一致的流程支持，确保做正确的事情更容易，而做错误的事情则更加困难（甚至不可能）。此外，当这些流程不被遵循时，需要追究责任，并且人们必须愿意承担工作，尤其是在工作本身并不 手机号数据库列表 容易的情况下。值得庆幸的是，本次会议表明，我们是一个致力于以协作的方式解决该领域出现的新问题的社区的一部分。

结论
许多自2018年以来一直参加类似研讨会的RAI从业者注意到，拥有RAI团队的组织数量不断增加，提出的问题也更加复杂，分享的成功案例也越来越多。尽管多年来，关于有害人工智能的头条新闻数量不减反增，但与会者更加确信，我们正更接近RAI的公认标准，并且我们拥有一个更庞大的从业者群体可供学习。我们鼓励每个人分享他们的工作和经验教训，并参与公私合作，例如NIST人工智能风险管理框架的制定。您可以在此处注册接收有关NIST人工智能活动的电子邮件通知。不久前，大多数公用事业公司的目标都相当简单：按需向客户提供光、水、热或冷——并且不要搞乱账单。