Künstliche Intelligenz Die Einführung von (KI) steckt noch in den Kinderschuhen. Da immer mehr Unternehmen KI-Systeme nutzen und die Technologie immer ausgereifter wird und sich verändert, könnte ein unsachgemäßer Einsatz ein Unternehmen erheblichen finanziellen, betrieblichen, regulatorischen und Reputationsrisiken aussetzen. Der Einsatz von KI für bestimmte Geschäftsaufgaben oder ohne vorhandene Leitplanken entspricht möglicherweise auch nicht den Grundwerten einer Organisation.

Hier kommt die KI-Governance ins Spiel: die Bewältigung dieser potenziellen und unvermeidlichen Probleme bei der Einführung. KI-Governance bezieht sich auf die Praxis der Steuerung, Verwaltung und Überwachung der KI-Aktivitäten einer Organisation. Es umfasst Prozesse, die die Herkunft von Daten, Modellen und zugehörigen Metadaten sowie Pipelines für Audits nachverfolgen und dokumentieren.

Ein KI-Governance-Framework gewährleistet den ethischen, verantwortungsvollen und transparenten Einsatz von KI und maschinellem Lernen (ML). Es umfasst Risikomanagement und die Einhaltung gesetzlicher Vorschriften und leitet die Art und Weise, wie KI innerhalb einer Organisation verwaltet wird.

Grundlagenmodelle: Die Kraft kuratierter Datensätze

Gründungsmodelle, auch „Transformer“ genannt, sind moderne, groß angelegte KI-Modelle, die auf großen Mengen unbeschrifteter Rohdaten trainiert werden. Der Aufstieg des Foundation-Model-Ökosystems (das das Ergebnis jahrzehntelanger Forschung in den Bereichen maschinelles Lernen), Verarbeitung natürlicher Sprache (NLP) und anderen Bereichen ist, hat in Informatik- und KI-Kreisen großes Interesse geweckt. Open-Source-Projekte, akademische Einrichtungen, Start-ups und alte Technologieunternehmen trugen alle zur Entwicklung von Stiftungsmodellen bei.

Stiftungsmodelle können Sprache, Vision und mehr nutzen, um die reale Welt zu beeinflussen. Sie werden in allen Bereichen eingesetzt, von der Robotik bis hin zu Werkzeugen, die Menschen verstehen und mit ihnen interagieren. GPT-3, das Sprachvorhersagemodell von OpenAI, das menschenähnlichen Text verarbeiten und generieren kann, ist ein Beispiel für ein Basismodell.

Foundation-Modelle können das, was sie in einer Situation lernen, durch selbstüberwachtes Lernen und Transferlernen auf eine andere anwenden. Mit anderen Worten: Anstatt zahlreiche Modelle anhand gekennzeichneter, aufgabenspezifischer Daten zu trainieren, ist es jetzt möglich, ein großes Modell auf Basis eines Transformators vorab zu trainieren und es dann mit zusätzlicher Feinabstimmung bei Bedarf wiederzuverwenden.

Kuratierte Stiftungsmodelle, wie sie beispielsweise von erstellt wurden IBM oder Microsoft helfen Unternehmen dabei, die Nutzung und Wirkung der fortschrittlichsten KI-Funktionen mithilfe vertrauenswürdiger Daten zu skalieren und zu beschleunigen. Neben natürlicher Sprache gibt es auch Modelle trainiert auf verschiedenen Modalitäten, wie Code-, Zeitreihen-, Tabellen-, Geodaten- und IT-Ereignisdaten. Anschließend können domänenspezifische Grundlagenmodelle auf neue Anwendungsfälle angewendet werden, unabhängig davon, ob diese mit dem Klimawandel, dem Gesundheitswesen, der Personalabteilung, der Kundenbetreuung, der Modernisierung von IT-Apps oder anderen Themen zusammenhängen.

Stiftungsmodelle sind weit verbreitet benutzt für ML-Aufgaben wie Klassifizierung und Entitätsextraktion sowie generative KI-Aufgaben wie Übersetzung, Zusammenfassung und Erstellung realistischer Inhalte. Die Entwicklung und Nutzung dieser Modelle erklärt die enorme Zahl der jüngsten KI-Durchbrüche.

„Mit der Entwicklung von Basismodellen ist KI für Unternehmen leistungsfähiger als je zuvor“, sagte Arvind Krishna, IBM Chairman und CEO. „Foundation-Modelle machen den Einsatz von KI deutlich skalierbarer, erschwinglicher und effizienter.“

Sind Stiftungsmodelle vertrauenswürdig?

Für ein Unternehmen ist es von entscheidender Bedeutung, mit verantwortungsvoller, transparenter und erklärbarer KI zu arbeiten, was in diesen frühen Tagen der Technologie eine Herausforderung sein kann.

Die meisten der heute größten Stiftungsmodelle, einschließlich der großes Sprachmodell (LLM), die ChatGPT betreiben, wurden anhand von Informationen aus dem Internet geschult. Aber wie vertrauenswürdig sind diese Trainingsdaten? Generative KI Es ist bekannt, dass Chatbots Kunden beleidigen und Fakten erfinden. Vertrauenswürdigkeit ist entscheidend. Unternehmen müssen sich auf die Vorhersagen und Inhalte verlassen können, die große Anbieter von Stiftungsmodellen generieren.

Das Stanford Institute for Human-Centered Artificial Intelligence Zentrum für Forschung zu Grundlagenmodellen (CRFM) hat kürzlich die vielfältigen Risiken und Chancen von Stiftungsmodellen dargelegt. Sie wiesen darauf hin, dass das Thema Trainingsdaten, einschließlich ihrer Quelle und Zusammensetzung, oft übersehen wird. Hier wird die Notwendigkeit eines kuratierten Stiftungsmodells – und einer vertrauenswürdigen Governance – unerlässlich.

Erste Schritte mit Fundamentmodellen

An KI-Entwicklungsstudio können Basismodelle trainieren, validieren, optimieren und bereitstellen sowie KI-Anwendungen schnell erstellen, wobei nur ein Bruchteil der zuvor benötigten Daten erforderlich ist. Solche Datensätze werden daran gemessen, wie viele „Tokens“ (Wörter oder Wortteile) sie enthalten. Sie bieten einen unternehmenstauglichen Datensatz mit vertrauenswürdigen Daten, die einer negativen und positiven Kuratierung unterzogen wurden.

Von einer negativen Kuration spricht man, wenn problematische Datensätze und KI-basierter Hass entfernt werden und Obszönitätsfilter angewendet werden, um anstößige Inhalte zu entfernen. Unter positiver Kuratierung versteht man das Hinzufügen von Elementen aus bestimmten Bereichen wie Finanzen, Recht und Regulierung, Cybersicherheit und Nachhaltigkeit, die für Unternehmensbenutzer wichtig sind.

So skalieren Sie AL und ML mit integrierter Governance

Zweckmäßig Datenspeicher Basierend auf einer offenen Lakehouse-Architektur können Sie KI und ML skalieren und gleichzeitig integrierte Governance-Tools bereitstellen. Es kann sowohl in On-Premise- als auch in Multi-Cloud-Umgebungen verwendet werden. Diese Art von Datenspeicher der nächsten Generation kombiniert die Flexibilität eines Data Lake mit der Leistung eines Data Warehouse und ermöglicht die Skalierung von KI-Workloads unabhängig davon, wo sie sich befinden.

Es ermöglicht die Automatisierung und Integration mit vorhandenen Datenbanken und bietet Tools, die eine vereinfachte Einrichtung und Benutzererfahrung ermöglichen. Außerdem können Sie damit die richtige Engine für die richtige Arbeitslast zu den richtigen Kosten auswählen und so möglicherweise Ihre Data-Warehouse-Kosten durch die Optimierung der Arbeitslasten senken. Mit einem Datenspeicher kann ein Unternehmen vorhandene Daten mit neuen Daten verknüpfen und mithilfe von Echtzeitanalysen und Business Intelligence neue Erkenntnisse gewinnen. Es hilft Ihnen, das Data Engineering mit reduzierten Datenpipelines, vereinfachter Datentransformation und angereicherten Daten zu optimieren.

Ein weiterer Vorteil ist der verantwortungsvolle Datenaustausch, da er mehr Benutzern den Self-Service-Zugriff auf mehr Daten ermöglicht und gleichzeitig Sicherheit und Einhaltung der Governance und lokaler politischer Entscheidungsträger gewährleistet.

Was ein KI-Governance-Toolkit bietet

Da KI immer stärker in die täglichen Arbeitsabläufe von Unternehmen integriert wird, ist es umso wichtiger, dass sie eine proaktive Governance – während der gesamten Erstellung, Bereitstellung und Verwaltung von KI-Diensten – einschließt, die dazu beiträgt, verantwortungsvolle und ethische Entscheidungen sicherzustellen.

Organisationen, die Governance in ihr KI-Programm integrieren, minimieren Risiken und stärken ihre Fähigkeit, ethische Grundsätze und staatliche Vorschriften einzuhalten: 50 % der Unternehmensleiter befragten sagte, der wichtigste Aspekt der erklärbaren KI sei die Erfüllung externer Regulierungs- und Compliance-Verpflichtungen; Dennoch haben die meisten Führungskräfte keine entscheidenden Schritte zur Einrichtung eines KI-Governance-Rahmens unternommen und 74 % bauen unbeabsichtigte Vorurteile nicht ab.

An KI-Governance-Toolkit ermöglicht Ihnen die Steuerung, Verwaltung und Überwachung von KI-Aktivitäten, ohne dass die Kosten für einen Wechsel Ihrer Data-Science-Plattform anfallen, selbst für Modelle, die mit Tools von Drittanbietern entwickelt wurden. Softwareautomatisierung trägt dazu bei, Risiken zu mindern, die Anforderungen regulatorischer Rahmenbedingungen zu verwalten und ethische Bedenken auszuräumen. Dazu gehört die KI-Lebenszyklus-Governance, die KI-Modelle im großen Maßstab von jedem Ort aus überwacht, katalogisiert und steuert. Es automatisiert die Erfassung von Modellmetadaten und erhöht die Vorhersagegenauigkeit, um zu erkennen, wie KI-Tools verwendet werden und wo erneutes Modelltraining durchgeführt werden muss.

Mit einem KI-Governance-Toolkit können Sie Ihre KI-Programme auch auf der Grundlage der Grundsätze von Verantwortung und Transparenz entwerfen. Es trägt dazu bei, Vertrauen in Bäume aufzubauen und Datensätze, Modelle und Pipelines zu dokumentieren, da Sie die Entscheidungen Ihrer KI konsistent verstehen und erklären können. Außerdem werden die Fakten und Arbeitsabläufe eines Modells automatisiert, um den Geschäftsstandards zu entsprechen. identifiziert, verwaltet, überwacht und berichtet in großem Maßstab über Risiken und Compliance und stellt dynamische Dashboards und anpassbare Ergebnisse bereit. Ein solches Governance-Programm kann auch externe Vorschriften in Richtlinien für die automatisierte Einhaltung, Prüfungsunterstützung und Compliance umsetzen und anpassbare Dashboards und Berichte bereitstellen.

Die Verwendung einer geeigneten KI-Governance bedeutet, dass Ihr Unternehmen die Grundlagenmodelle optimal nutzen und gleichzeitig sicherstellen kann, dass Sie bei der Weiterentwicklung der KI-Technologie verantwortungsbewusst und ethisch handeln.

Stiftungsmodelle, Governance und IBM

Eine ordnungsgemäße KI-Governance ist der Schlüssel zur Nutzung der Leistungsfähigkeit der KI und zum Schutz vor ihren unzähligen Fallstricken. KI beinhaltet ein verantwortungsvolles und transparentes Management, das Risikomanagement und die Einhaltung gesetzlicher Vorschriften umfasst, um ihren Einsatz innerhalb einer Organisation zu steuern. Foundation-Modelle bieten einen Durchbruch bei den KI-Funktionen und ermöglichen eine skalierbare und effiziente Bereitstellung in verschiedenen Domänen.

Watson x ist eine Daten- und KI-Plattform der nächsten Generation, die Unternehmen dabei helfen soll, grundlegende Modelle voll auszuschöpfen und gleichzeitig verantwortungsvolle KI-Governance-Prinzipien einzuhalten. Der watsonx.governance Toolkit ermöglicht es Ihrem Unternehmen, KI-Workflows mit Verantwortung, Transparenz und Erklärbarkeit zu erstellen.

Mit Watsonx können Organisationen:

1. Operationalisieren Sie KI-Workflows, um die Effizienz und Genauigkeit im großen Maßstab zu steigern. Ihr Unternehmen kann auf automatisierte, skalierbare Governance-, Risiko- und Compliance-Tools zugreifen, die betriebliches Risiko, Richtlinien, Compliance, Finanzmanagement, IT-Governance und interne/externe Audits umfassen.
2. Verfolgen Sie Modelle und fördern Sie transparente Prozesse. Überwachen, katalogisieren und steuern Sie Modelle von überall im Lebenszyklus Ihrer KI.
3. Erfassen und dokumentieren Sie Modellmetadaten für die Berichtserstellung. Modellvalidierer und -genehmiger können auf automatisch generierte Informationsblätter zugreifen, um eine stets aktuelle Ansicht der Lebenszyklusdetails zu erhalten.
4. Erhöhen Sie das Vertrauen in KI-Ergebnisse. Kollaborative Tools und dynamische benutzerbasierte Dashboards, Diagramme und Dimensionsberichte erhöhen die Transparenz von KI-Prozessen.
5. Ermöglichen Sie verantwortungsvolle, transparente und erklärbare Daten und KI-Workflows mit watsonx.governance.