تصویب هوش مصنوعی در اروپا – پیشروی سرمایه گذاری و چارچوب اخلاقی موانع

ETH Zurich و Zühlke مطالعه ای در مورد نحوه استفاده شرکت ها از فناوری های هوش مصنوعی انجام داده اند. در مجموع 633 شرکت از زمینه های تولید ، فناوری ، مراقبت های بهداشتی و دارایی از منطقه DACH ، انگلیس و ایالات متحده مورد بررسی قرار گرفتند. استفانو بروسونی ، استاد فناوری و مدیریت نوآوری ، در مصاحبه ای توضیح می دهد که بزرگترین پتانسیل نهفته است و اروپا در کجا باید به دست آورد.

مطالعه در مورد چیست و پیام اصلی آن چیست؟

این مطالعه به توزیع و تأثیر هوش مصنوعی می پردازد. این تجزیه و تحلیل می کند که کدام فناوری ها برای کدام منظور و در کدام توابع استفاده می شوند. مهمترین یافته این است که شرکت های منطقه DACH نسبت به شرکت های آمریکایی نرخ پذیرش هوش مصنوعی پایین تری دارند و بعداً از AI استفاده کردند. شرکت های آمریکایی همچنین از هوش مصنوعی در درجه اول در تحقیق و توسعه و عملکردهای مشتری در زمینه مشتری مانند بازاریابی استفاده می کنند.

آیا از نتیجه تعجب کردید؟

بله و نه در حالی که شرکت های منطقه DACH در نزدیکی غول های فناوری قرار ندارند و دسترسی آسان به آنها ندارند ، این مطالعه نشان نمی دهد که بدست آوردن داده ها ، مدل ها یا الگوریتم های موجود در منطقه DACH دشوارتر است. یک تفاوت قابل مشاهده بین شرکت ها در اینجا و در ایالات متحده این است که ما در توسعه چارچوب های اخلاقی خاص شرکت عقب مانده ایم.

با شرایط چارچوب اخلاقی چه می فهمید؟

آنها یک پیش نیاز مهم برای استفاده از هوش مصنوعی هستند. آنها مسئولیت ها را تعریف می کنند و مرزهای واضح را تعیین می کنند. در اصل ، آنها استفاده از AI را فعال می کنند. چنین شرایط چارچوبی در ایالات متحده بالغ تر است.

آیا سرمایه گذاری بیشتری در ایالات متحده نیز وجود ندارد؟

بله ، دسترسی به سرمایه گذاری های اصلی در آنجا به طور سنتی آسان تر است. نه تنها سرمایه گذاری اولیه برای یک استارتاپ ، بلکه سرمایه گذاری های پیگیری که برای مقیاس بندی و صنعتی شدن واقعاً لازم است. این یک امتیاز بزرگ است.

اروپا چه کاری باید بهتر انجام دهد؟

فقدان یک غول فناوری داخلی یک نقطه ضعف بزرگ است. با این حال ، بر خلاف چین ، اروپا هیچ گزینه دیگری برای فن آوری های ایالات متحده ایجاد نکرده است. ابتکارات اتحادیه اروپا در درجه اول بر تنظیم دسترسی به داده ها و موقعیت اروپا به عنوان کاربر متمرکز است ، نه یک توسعه دهنده. ایالات متحده و چین از این نظر بسیار متفاوت هستند. آنها کاربران ، توسعه دهندگان و فعال کننده هستند.

آیا این بدان معنی است که چین در حال افزایش است؟

چین مدتهاست که در هوش مصنوعی سرمایه گذاری می کند و بسیار پربارتر از آن چیزی است که ممکن است متوجه شده باشیم. اکنون معلوم است که آنها فناوری هایی را توسعه داده اند که امروز همه ما با آنها آشنا هستیم. Deepseek از این نظر جای تعجب ندارد. این صرفاً محصول یک روش خاص برای سرمایه گذاری در هوش مصنوعی و تلاش برای استفاده از تحولات منبع باز برای دور زدن موانع تحمیل شده توسط مقررات و محدودیت های تجاری است.

چه چیزی می توانیم از چین و ایالات متحده یاد بگیریم؟

از چین می توانیم یاد بگیریم که فقط یک راه برای تعامل با هوش مصنوعی مولد وجود ندارد. مانند سوئیس ، ایالات متحده دسترسی خوبی به دانشگاه های برتر دارد ، اما مهمتر از همه به سرمایه گذاری های عمده ، و دارای مقررات نسبتاً لیبرال است که می تواند منجر به مشکلات حاکمیتی شود. با این حال ، اتحادیه اروپا انگیزه های بسیار کمی برای سرمایه گذاری در هوش مصنوعی ایجاد کرده است و رژیم نظارتی آن ، اروپا را به جای توسعه ، به مکانی برای استفاده از هوش مصنوعی تبدیل کرده است.

سوئیس به خصوص در چه مواردی خوب است؟

سوئیس تحت تأثیر شرایط چارچوب اتحادیه اروپا است اما از انعطاف پذیری بیشتری برخوردار است. بر خلاف سایر کشورهای اروپایی ، ما به مؤسسات پیشرو ، از جمله ETH Zurich نزدیکتر هستیم. این امر با حضور پررنگ Google ، Apple ، IBM و بسیاری از شرکت های فناوری آمریکایی در سوئیس ، نه تنها به عنوان مکانی برای فروش خدمات خود بلکه برای توسعه فناوری ها اثبات شده است. ما همچنین بسیاری از نوآوری های امیدوارکننده را داریم. تنها مشکل این است که آنها در حال رشد نیستند. آنها توسط Googles و IBM های این جهان به دست می آیند. سوئیس در حال توسعه است اما با “تولید” تلاش می کند. بسیاری از مبتدیان در اینجا رشد نمی کنند زیرا خیلی زود به دست می آیند.

عوامل موفقیت در استفاده از هوش مصنوعی چیست؟

اول از همه ، دسترسی به فناوری و داده ها بسیار مهم است. حتی اگر فناوری ها در اروپا توسعه نیافته باشند ، می توان آنها را خریداری کرد. اما آنچه که واقعاً از دست رفته است یک چارچوب اخلاقی و به طور کلی توسعه فرآیندهای سازمانی و اصول حاکمیت ، مانند: داده ها کجا ذخیره می شوند؟ چه کسی به آن دسترسی دارد؟ چه کسی مسئول استفاده از آن است؟

چارچوب اخلاقی ابزاری مدیریتی است که شفافیت را تضمین می کند و تصمیم گیری مسئول را تسهیل می کند. بدون این ، استفاده از فناوری ها در مقیاس بزرگ دشوار خواهد بود. واضح است که بنگاههای منطقه DACH و اتحادیه اروپا به طور کلی بسیار کند بوده اند تا چارچوب های خاص شرکت را بطور پیشرو توسعه دهند. آنها بیش از حد تمایل به انتظار برای تنظیم اتحادیه اروپا داشتند.

اتحادیه اروپا در حال شروع به تجدید نظر در نقش خود در این حوزه است ، همانطور که در اخبار مربوط به توقف در آیین نامه های جدید در مورد مسئولیت هوش مصنوعی و حریم شخصی مشهود است. زمان مناسب برای کشف رویکردهای از پایین به بالا که مکمل مقررات از بالا به پایین است.

چرا بخش های بازاریابی ، به ویژه ، استفاده از هوش مصنوعی را هدایت می کنند؟

بخش های بازاریابی و منابع انسانی پیشگامان در زمینه هوش مصنوعی بوده اند. آنها مجموعه داده های بزرگی داشتند که برای استفاده از آنها نیاز داشتند. با این حال ، ما همچنین شاهد استفاده فزاینده در زمینه های تحقیق و توسعه و همچنین عملیات هستیم. به عنوان مثال ، دوقلوهای دیجیتال در حال بازگشت هستند. آنها ده سال پیش چیز بزرگی بودند ، اما نتوانستند تمام پتانسیل های خود را تحقق بخشند.

بسیاری از موارد خلاصه شده تحت اصطلاح “تحول دیجیتال” در واقع احیای روندها هستند. آنها مدتهاست که در اطراف هستند اما هرگز به شکلی که اکنون می توانند اعمال نشده باشند.

آیا در مطالعه خود توانستید تفاوت بین هوش مصنوعی پیش بینی و مولد را مشخص کنید؟

پیش بینی هوش مصنوعی پیش بینی هایی را بر اساس داده های گذشته ایجاد می کند ، در حالی که AI تولید کننده محتوای جدیدی را ایجاد می کند. شرکت هایی که شروع به استفاده از داده های بزرگ ده یا پانزده سال پیش کردند ، سریعاً در آغوش گرفتن هوش مصنوعی پیش بینی شده بودند زیرا به ابزارهایی برای تجزیه و تحلیل این داده ها به طور سیستماتیک و قابل اعتماد نیاز داشتند. AI تولید کننده این را تکمیل می کند. شرکت هایی که قبلاً از استفاده از داده های بزرگ پیشگام بوده اند نیز به طور کلی سریعتر برای معرفی هوش مصنوعی تولیدی سریعتر می شوند.

به شرکت هایی که می خواهند از هوش مصنوعی استفاده کنند ، چه توصیه ای می کنید؟

شرکت ها باید در مورد آنچه واقعاً خوب هستند فکر کنند و کدام فعالیت ها از اهمیت اصلی برای رقابت خودشان برخوردار است. آنها هر روز میلیون ها کار و فعالیت را انجام می دهند که همه آنها مهم هستند ، اما همه آنها مهم نیستند. آنها باید این تمایز را انجام دهند و سیستمی از قوانین را توسعه دهند که انتقاد و پیچیدگی کارها را در نظر بگیرد.

در مورد فعالیت های استراتژیک که در آن سهام زیاد است ، یک چارچوب حاکمیت روشن مورد نیاز است که مسئولیت ها ، خطرات و نظارت انسان را تعریف می کند. به کارمندان می توان در هنگام انجام کارهای روزمره و کم خطر ، مانند نوشتن دقیقه های جلسات ، آزادی آزمایش با ابزارهای AI را انجام داد.

نکته اصلی در مقررات متمایز هوش مصنوعی نهفته است: حاکمیت با دقت طراحی شده برای فعالیتهای اصلی رقابتی و انطباق ساختاری برای عملکردهای مهم و در عین حال ساده تر و باز بودن در انجام آزمایش در هنگام انجام کارهای روزمره. استفاده از یک رویکرد یک اندازه متناسب ، تصمیم گیری را برای همیشه کند می کند. و این زمان کند نیست.

ارائه شده توسط Eth Zurich