intelligenza artificiale L’adozione di (AI) è ancora nelle fasi iniziali. Poiché sempre più aziende utilizzano i sistemi di intelligenza artificiale e la tecnologia continua a maturare e a cambiare, un uso improprio potrebbe esporre un’azienda a significativi rischi finanziari, operativi, normativi e reputazionali. Inoltre, l’utilizzo dell’intelligenza artificiale per determinate attività aziendali o senza protezioni in atto potrebbe non essere in linea con i valori fondamentali di un’organizzazione.

È qui che entra in gioco la governance dell’IA: affrontare questi potenziali e inevitabili problemi di adozione. Governance dell'IA si riferisce alla pratica di dirigere, gestire e monitorare le attività di intelligenza artificiale di un'organizzazione. Comprende processi che tracciano e documentano l'origine dei dati, modelli e metadati associati e pipeline per gli audit.

Un quadro di governance dell’intelligenza artificiale garantisce l’uso etico, responsabile e trasparente dell’intelligenza artificiale e dell’apprendimento automatico (ML). Comprende la gestione del rischio e la conformità normativa e guida il modo in cui l'intelligenza artificiale viene gestita all'interno di un'organizzazione.

Modelli di base: il potere dei set di dati curati

Modelli di fondazione, noti anche come "trasformatori", sono modelli di intelligenza artificiale moderni e su larga scala addestrati su grandi quantità di dati grezzi e non etichettati. L’ascesa dell’ecosistema del modello di base (che è il risultato di decenni di ricerca nell’apprendimento automatico), nell’elaborazione del linguaggio naturale (PNL) e in altri campi, ha generato un grande interesse nei circoli dell’informatica e dell’intelligenza artificiale. Progetti open source, istituzioni accademiche, startup e aziende tecnologiche legacy hanno tutti contribuito allo sviluppo di modelli di fondazione.

I modelli di fondazione possono utilizzare il linguaggio, la visione e altro ancora per influenzare il mondo reale. Sono utilizzati in tutto, dalla robotica agli strumenti che ragionano e interagiscono con gli esseri umani. GPT-3, il modello di previsione linguistica di OpenAI in grado di elaborare e generare testo simile a quello umano, è un esempio di modello di base.

I modelli di base possono applicare ciò che apprendono da una situazione all'altra attraverso l'autocontrollo e il trasferimento dell'apprendimento. In altre parole, invece di addestrare numerosi modelli su dati etichettati e specifici per attività, ora è possibile pre-addestrare un grande modello costruito su un trasformatore e quindi, con ulteriori perfezionamenti, riutilizzarlo secondo necessità.

Modelli di fondazione curati, come quelli creati da IBM o Microsoft, aiuta le aziende a scalare e accelerare l'uso e l'impatto delle funzionalità di intelligenza artificiale più avanzate utilizzando dati affidabili. Oltre al linguaggio naturale, ci sono i modelli allenato su varie modalità, come dati di codici, serie temporali, tabulari, geospaziali ed eventi IT. I modelli di base specifici del dominio possono quindi essere applicati a nuovi casi d’uso, siano essi legati al cambiamento climatico, all’assistenza sanitaria, alle risorse umane, all’assistenza clienti, alla modernizzazione delle app IT o ad altri argomenti.

I modelli di fondazione sono ampiamente utilizzato per attività di ML come la classificazione e l'estrazione di entità, nonché attività di intelligenza artificiale generativa come traduzione, riepilogo e creazione di contenuti realistici. Lo sviluppo e l’utilizzo di questi modelli spiegano l’enorme quantità di recenti scoperte dell’IA.

“Con lo sviluppo di modelli fondativi, l’intelligenza artificiale per le aziende è più potente che mai”, ha affermato Arvind Krishna, presidente e amministratore delegato di IBM. “I modelli fondamentali rendono l’implementazione dell’intelligenza artificiale molto più scalabile, conveniente ed efficiente”.

I modelli di fondazione sono affidabili?

È essenziale per un'azienda lavorare con un'intelligenza artificiale responsabile, trasparente e spiegabile, cosa che può essere difficile da ottenere in questi primi giorni della tecnologia.

La maggior parte dei modelli di fondazione più grandi di oggi, incluso il grande modello linguistico (LLM) che alimenta ChatGPT, sono stati formati sulle informazioni raccolte da Internet. Ma quanto sono affidabili i dati di addestramento? AI generativa è noto che i chatbot insultano i clienti e inventano fatti. L’affidabilità è fondamentale. Le aziende devono avere fiducia nelle previsioni e nei contenuti generati dai grandi fornitori di modelli di base.

Lo Stanford Institute for Human-Centered Artificial Intelligence Centro per la ricerca sui modelli di fondazione (CRFM) ha recentemente delineato i numerosi rischi, ma anche le opportunità, dei modelli di fondazione. Hanno sottolineato che il tema dei dati di formazione, compresa la loro fonte e composizione, viene spesso trascurato. È qui che la necessità di un modello di fondazione curato e di una governance affidabile diventa essenziale.

Iniziare con i modelli di fondazione

An Studio di sviluppo dell'intelligenza artificiale può addestrare, convalidare, ottimizzare e implementare modelli di base e creare rapidamente applicazioni IA, richiedendo solo una frazione dei dati precedentemente necessari. Tali set di dati vengono misurati in base al numero di “token” (parole o parti di parole) che includono. Offrono un set di dati pronto per l'azienda con dati affidabili sottoposti a curation negativa e positiva.

La negative curation avviene quando i set di dati problematici e l'odio basato sull'intelligenza artificiale vengono rimossi e vengono applicati filtri volgari per rimuovere contenuti discutibili. La curatela positiva significa aggiungere elementi provenienti da determinati ambiti, come finanza, legale e normativo, sicurezza informatica e sostenibilità, che sono importanti per gli utenti aziendali.

Come scalare AL e ML con la governance integrata

Uno adatto allo scopo archivio dati basato su un'architettura Lakehouse aperta ti consente di scalare l'intelligenza artificiale e il machine learning fornendo al contempo strumenti di governance integrati. Può essere utilizzato sia con ambienti on-premise che multi-cloud. Questo tipo di data store di nuova generazione combina la flessibilità di un data Lake con le prestazioni di un data warehouse e consente di scalare i carichi di lavoro di intelligenza artificiale indipendentemente da dove risiedono.

Consente l'automazione e l'integrazione con i database esistenti e fornisce strumenti che consentono una configurazione e un'esperienza utente semplificate. Ti consente inoltre di scegliere il motore giusto per il carico di lavoro giusto al costo giusto, riducendo potenzialmente i costi del data warehouse ottimizzando i carichi di lavoro. Un archivio dati consente a un'azienda di connettere i dati esistenti con nuovi dati e scoprire nuove informazioni con analisi in tempo reale e business intelligence. Ti aiuta a semplificare l'ingegneria dei dati con pipeline di dati ridotte, trasformazione dei dati semplificata e dati arricchiti.

Un altro vantaggio è la condivisione responsabile dei dati perché supporta più utenti con accesso self-service a più dati, garantendo al tempo stesso sicurezza e conformità con la governance e i responsabili politici locali.

Cosa offre un toolkit di governance dell’IA

Man mano che l’intelligenza artificiale diventa sempre più integrata nei flussi di lavoro quotidiani delle imprese, è ancora più fondamentale che includa una governance proattiva, attraverso la creazione, l’implementazione e la gestione dei servizi di intelligenza artificiale, che aiuti a garantire decisioni responsabili ed etiche.

Le organizzazioni che incorporano la governance nel proprio programma di intelligenza artificiale riducono al minimo i rischi e rafforzano la propria capacità di soddisfare i principi etici e le normative governative: il 50% dei leader aziendali intervistati ha affermato che l’aspetto più importante dell’intelligenza artificiale spiegabile è il rispetto degli obblighi normativi e di conformità esterni; tuttavia, la maggior parte dei leader non ha adottato misure cruciali verso la creazione di un quadro di governance dell’IA e il 74% non sta riducendo i pregiudizi involontari.

An Kit di strumenti per la governance dell’IA ti consente di dirigere, gestire e monitorare le attività di intelligenza artificiale senza la spesa di cambiare la tua piattaforma di data science, anche per modelli sviluppati utilizzando strumenti di terze parti. L'automazione del software aiuta a mitigare i rischi, a gestire i requisiti dei quadri normativi e ad affrontare le preoccupazioni etiche. Include la governance del ciclo di vita dell’intelligenza artificiale, che monitora, cataloga e governa i modelli di intelligenza artificiale su larga scala ovunque risiedano. Automatizza l'acquisizione dei metadati del modello e aumenta la precisione predittiva per identificare come vengono utilizzati gli strumenti di intelligenza artificiale e dove è necessario ripetere l'addestramento del modello.

Un toolkit di governance dell'intelligenza artificiale ti consente inoltre di progettare i tuoi programmi di intelligenza artificiale sulla base di principi di responsabilità e trasparenza. Aiuta a creare fiducia negli alberi e a documentare set di dati, modelli e pipeline perché puoi comprendere e spiegare in modo coerente le decisioni della tua intelligenza artificiale. Automatizza inoltre i fatti e i flussi di lavoro di un modello per conformarsi agli standard aziendali; identifica, gestisce, monitora e segnala rischi e conformità su larga scala e fornisce dashboard dinamici e risultati personalizzabili. Un programma di governance di questo tipo può anche tradurre le normative esterne in politiche per l’adesione automatizzata, il supporto agli audit e la conformità e fornire dashboard e report personalizzabili.

Utilizzare una corretta governance dell'intelligenza artificiale significa che la tua azienda può sfruttare al meglio i modelli di base, garantendo al tempo stesso la tua responsabilità ed etica mentre avanzi con la tecnologia dell'intelligenza artificiale.

Modelli di fondazione, governance e IBM

Una corretta governance dell’intelligenza artificiale è fondamentale per sfruttare il potere dell’intelligenza artificiale proteggendosi al tempo stesso dalla miriade di insidie. L’intelligenza artificiale implica una gestione responsabile e trasparente, che copre la gestione del rischio e la conformità normativa per guidarne l’uso all’interno di un’organizzazione. I modelli Foundation offrono una svolta nelle capacità di intelligenza artificiale per consentire un’implementazione scalabile ed efficiente in vari domini.

waston x è una piattaforma di dati e intelligenza artificiale di nuova generazione creata per aiutare le organizzazioni a sfruttare appieno i modelli di base aderendo ai principi di governance responsabile dell'intelligenza artificiale. IL watsonx.governance toolkit consente alla tua organizzazione di creare flussi di lavoro AI con responsabilità, trasparenza e spiegabilità.

Con Watsonx le organizzazioni possono:

1. Rendi operativi i flussi di lavoro basati sull'intelligenza artificiale per aumentare l'efficienza e la precisione su larga scala. La tua organizzazione può accedere a strumenti automatizzati e scalabili di governance, rischio e conformità, che abbracciano rischio operativo, policy, conformità, gestione finanziaria, governance IT e audit interni/esterni.
2. Tieni traccia dei modelli e promuovi processi trasparenti. Monitora, cataloga e governa i modelli da qualsiasi luogo durante il ciclo di vita della tua intelligenza artificiale.
3. Acquisisci e documenta i metadati del modello per la generazione di report. I validatori e gli approvatori del modello possono accedere alle schede informative generate automaticamente per una visione sempre aggiornata dei dettagli del ciclo di vita.
4. Aumentare la fiducia nei risultati dell’IA. Strumenti collaborativi e dashboard dinamici basati sull'utente, grafici e reporting dimensionale aumentano la visibilità dei processi di intelligenza artificiale.
5. Abilitare dati responsabili, trasparenti e spiegabili e flussi di lavoro AI con watsonx.governance.