3 သင့်အဖွဲ့အစည်းသည် ပြင်ပ အယ်လဂိုရီသမ် အကဲဖြတ်သူများ လိုအပ်မည် အကြောင်းရင်းများ

Satta Sarmah-Hightower အားဖြင့်

စီးပွားရေးခေါင်းဆောင်များသည် ဥာဏ်ရည်တု (AI) မှ ရရှိနိုင်သော တန်ဖိုးအားလုံးကို ညှစ်ထုတ်နေကြသည်။ 2021 KPMG လေ့လာမှုတစ်ခုက တွေ့ရှိခဲ့ပါတယ်။ အစိုးရ၊ စက်မှုကုန်ထုတ်လုပ်ငန်း၊ ဘဏ္ဍာရေးဝန်ဆောင်မှုများ၊ လက်လီ၊ အသက်မွေးဝမ်းကျောင်းပညာနှင့် ကျန်းမာရေးစောင့်ရှောက်မှု လုပ်ငန်းခေါင်းဆောင် အများစုသည် AI သည် ၎င်းတို့၏ အဖွဲ့အစည်းများတွင် အနည်းဆုံး အတန်အသင့် လုပ်ဆောင်နိုင်သည်ဟု ဆိုကြသည်။. လေ့လာမှုတွင် ဖြေဆိုသူတစ်ဝက်ခန့်က ၎င်းတို့၏အဖွဲ့အစည်းသည် Covid-19 ကပ်ရောဂါကို တုံ့ပြန်ရန်အတွက် AI ကို လက်ခံကျင့်သုံးမှုကို အရှိန်မြှင့်ပေးသည်ဟု ဆိုကြသည်ကိုလည်း တွေ့ရှိရသည်။ AI ကို လက်ခံကျင့်သုံးသည့် အဖွဲ့အစည်းများတွင် အနည်းဆုံး ထက်ဝက်ခန့်က နည်းပညာသည် မျှော်လင့်ထားသည်ထက် ကျော်လွန်သွားသည်ဟု ဆိုသည်။

AI အယ်လဂိုရီသမ်များသည် ယနေ့ခေတ် အပြန်အလှန်တုံ့ပြန်မှုများနှင့် ဆန်းသစ်တီထွင်မှုအမျိုးမျိုးအတွက်—ကိုယ်ရေးကိုယ်တာမှစသည် ထုတ်ကုန်အကြံပြုချက်များ နှင့် ဖောက်သည်ဝန်ဆောင်မှု ဘဏ်အတွေ့အကြုံ၊ ချေးငွေဆုံးဖြတ်ချက်များ ပင် ရဲတပ်ဖွဲ့၏တုံ့ပြန်မှု.

သို့သော် ၎င်းတို့ပေးဆောင်သည့် အကျိုးကျေးဇူးများအားလုံးအတွက်၊ AI algorithms များသည် ခံနိုင်ရည်ရှိမှု၊ မျှတမှု၊ ရှင်းပြနိုင်မှုနှင့် ခိုင်မာမှုတို့အတွက် ထိထိရောက်ရောက် စောင့်ကြည့်အကဲဖြတ်ခြင်းမပြုပါက ကြီးမားသောအန္တရာယ်များပါရှိသည်။ AI ကို စောင့်ကြည့်အကဲဖြတ်ရာတွင် စီးပွားရေးခေါင်းဆောင်များကို ကူညီပေးရန်အတွက် အထက်တွင်ကိုးကားထားသော လေ့လာမှုက ဖော်ပြသည်။ များပြားလာသော စီးပွားရေးခေါင်းဆောင်များသည် အစိုးရကို မှန်ကန်သောနည်းပညာနှင့် စီးပွားရေးလုပ်ငန်းစဉ်များတွင် ရင်းနှီးမြှုပ်နှံခွင့်ပြုရန်အတွက် AI ကို ထိန်းညှိပေးစေလိုပါသည်။ လိုအပ်သောပံ့ပိုးကူညီမှုနှင့် ကြီးကြပ်မှုအတွက်၊ ထိုသို့သောဝန်ဆောင်မှုပေးရာတွင် အတွေ့အကြုံရှိသော ဝန်ဆောင်မှုပေးသူတစ်ဦးမှ ပေးဆောင်သော ပြင်ပအကဲဖြတ်ချက်များကို ထည့်သွင်းစဉ်းစားခြင်းသည် ပညာရှိရာရောက်ပါသည်။ ဤတွင် အကြောင်းရင်းသုံးခုရှိသည်။

1. Algorithms များသည် “Black Boxes” ဖြစ်သည်။

ပြဿနာများကိုဖြေရှင်းရန်နှင့် အလုပ်များကို အကောင်းဆုံးဖြစ်အောင်လုပ်ဆောင်ရန် ဒေတာမှသင်ယူသည့် AI အယ်လဂိုရီသမ်များသည် စနစ်များကို ပိုမိုစမတ်ကျစေပြီး ၎င်းတို့ကို လူသားများတတ်နိုင်သည်ထက် ပိုမိုမြန်ဆန်စွာ စုဆောင်းဖန်တီးနိုင်စေခြင်းဖြင့် စနစ်များကို ပိုမိုစမတ်ကျစေသည်။

သို့သော်၊ သက်ဆိုင်သူအချို့က အဆိုပါ အယ်လဂိုရီသမ်များကို “သေတ္တာနက်များ” အဖြစ် မှတ်ယူကြသည်၊ ထိပ်တန်းကျွမ်းကျင်ဝန်ဆောင်မှုကုမ္ပဏီ KPMG မှ စာရင်းစစ်မန်နေဂျင်းဒါရိုက်တာ Drew Rosen က ရှင်းပြသည်။ အတိအကျအားဖြင့်၊ သက်ဆိုင်သူအချို့သည် algorithm ဆုံးဖြတ်ချက်တစ်ခုသို့ မည်သို့ရောက်လာသည်ကို နားမလည်နိုင်သောကြောင့် ထိုဆုံးဖြတ်ချက်၏ တရားမျှတမှု သို့မဟုတ် တိကျမှုကို ယုံကြည်မှုမရှိနိုင်ပေ။

“အယ်လဂိုရီသမ်မှ စုဆောင်းထားသော ရလဒ်များသည် ဘက်လိုက်မှုနှင့် ရလဒ်များကို လွဲမှားစွာ အဓိပ္ပာယ်ဖွင့်ဆိုနိုင်သည်” ဟု Rosen ကဆိုသည်။ “ဒါက အဲဒီရလဒ်တွေကို အသုံးချပြီး အများသူငှာနဲ့ သူတို့ရဲ့ သက်ဆိုင်သူတွေနဲ့ မျှဝေပေးတဲ့အတွက် အဖွဲ့အစည်းအတွက် အန္တရာယ်အချို့ကို ဖြစ်ပေါ်စေနိုင်ပါတယ်။”

ဥပမာအားဖြင့် မှားယွင်းသောဒေတာကိုအသုံးပြုသည့် အယ်လဂိုရီသမ်တစ်ခုသည် အကောင်းဆုံးတွင်ထိရောက်မှုမရှိပါ—နှင့် အဆိုးဆုံးတွင် အန္တရာယ်ရှိသည်။ လက်တွေ့မှာ ဘယ်လိုပုံစံရှိနိုင်မလဲ။ အသုံးပြုသူများထံသို့ မှားယွင်းသောအကောင့်အချက်အလက်ကို ပေးဆောင်သည့် AI-အခြေခံ chatbot သို့မဟုတ် စာသားကို လွဲမှားစွာဘာသာပြန်သည့် အလိုအလျောက်ဘာသာစကားဘာသာပြန်ကိရိယာတစ်ခုအား ထည့်သွင်းစဉ်းစားပါ။ အမှုနှစ်ခုစလုံးသည် အစိုးရအဖွဲ့အစည်းများ သို့မဟုတ် ကုမ္ပဏီများအတွက် ကြီးလေးသောအမှားအယွင်းများ သို့မဟုတ် မှားယွင်းသောအဓိပ္ပာယ်ဖွင့်ဆိုမှုများ ဖြစ်ပေါ်စေနိုင်ပြီး အဆိုပါ အယ်လဂိုရီသမ်များမှ ဆုံးဖြတ်ချက်များအပေါ် အားကိုးသော မဲဆန္ဒနယ်များနှင့် ဖောက်သည်များဖြစ်သည်။

black-box ပြဿနာ၏နောက်ထပ်ပံ့ပိုးကူညီမှုမှာ AI မော်ဒယ်များ ဖွံ့ဖြိုးတိုးတက်ရေးတွင် မွေးရာပါ ဘက်လိုက်မှုများ ဝင်ရောက်လာသောအခါတွင် ဘက်လိုက်မှုရှိသော ဆုံးဖြတ်ချက်များ ချမှတ်နိုင်စေပါသည်။ ဥပမာအားဖြင့် ခရက်ဒစ်ငွေချေးသူများသည် ချေးငွေဆိုင်ရာဆုံးဖြတ်ချက်များချရန်အတွက် ဖြစ်နိုင်ခြေရှိသော ငွေချေးသူများ၏ ခရက်ဒစ်တန်ဖိုးကို ခန့်မှန်းရန် AI ကို ပိုမိုအသုံးပြုကြသည်။ သို့သော်လည်း အလားအလာရှိသော ငွေချေးသူ၏ ခရက်ဒစ်ရမှတ်များကဲ့သို့သော AI ထဲသို့ အဓိကသွင်းအားစုများ ဖြစ်ပေါ်လာသောအခါတွင် အန္တရာယ်တစ်ခု ဖြစ်ပေါ်လာနိုင်သည်။ ပစ္စည်း error ရှိသည်။အဲဒီပုဂ္ဂိုလ်တွေကို ချေးငွေ ငြင်းပယ်ခြင်း ခံရစေတယ်။

၎င်းသည် ဘက်မလိုက်သော အကဲဖြတ်သူအဖြစ် ထမ်းဆောင်နိုင်သည့် ပြင်ပအကဲဖြတ်သူတစ်ဦးအတွက် လိုအပ်ကြောင်း မီးမောင်းထိုးပြပြီး လက်ခံထားသော စံနှုန်းများအပေါ် အခြေခံကာ၊ သမိုင်းဆိုင်ရာ အချက်အလက်များ၏ ဆက်စပ်မှုနှင့် ယုံကြည်စိတ်ချရမှုနှင့် အယ်လဂိုရီသမ်ကို အားကောင်းစေသည့် ယူဆချက်များအပေါ် အလေးပေးဖော်ပြသည်။

2. သက်ဆိုင်သူများနှင့် စည်းကမ်းထိန်းသူများ ပွင့်လင်းမြင်သာမှုကို တောင်းဆိုသည်။

2022 ခုနှစ်တွင် တာဝန်ရှိ AI အတွက် လက်ရှိ အစီရင်ခံမှု လိုအပ်ချက်များ မရှိခဲ့ပါ။ သို့သော်လည်း Rosen က “အုပ်ချုပ်ရေးအဖွဲ့တွေက ESG [ပတ်ဝန်းကျင်၊ လူမှုရေးနဲ့ အုပ်ချုပ်မှု] စည်းမျဉ်းတွေကို မိတ်ဆက်ပုံနဲ့တူတယ်။ အချို့သော ESG တိုင်းတာမှုအပေါ် အစီရင်ခံပါ။တာဝန်သိ AI အတွက် နောက်ထပ် စည်းမျဉ်းစည်းကမ်း အစီရင်ခံမှု လိုအပ်ချက်များကို ကျွန်ုပ်တို့ မြင်နေရသည့် အချိန်တစ်ခုသာ ဖြစ်ပါသည်။”

တကယ်တော့၊ ဇန်နဝါရီ 1 ရက်၊ 2023၊ New York City မှာ သက်ရောက်မှုရှိတယ်။ ဒေသန္တရဥပဒေ ၁၁၇ ၎င်းကို အသုံးမပြုမီ အလိုအလျောက် အလုပ်ခန့်ထားမှု ဆုံးဖြတ်ချက် ကိရိယာတစ်ခုတွင် ဘက်လိုက်မှုဆိုင်ရာ စစ်ဆေးမှုကို ပြုလုပ်ရန် လိုအပ်သည်။

ပြီးတော့ ပြည်ထောင်စုအဆင့်မှာ၊ 2020 ခုနှစ် အမျိုးသား ဥာဏ်ရည်တု ပဏာမ အက်ဥပဒေ- တစ်ခုအပေါ်၌တည်၏။ ၁၉၆၅ အုပ်ချုပ်ရေးအမိန့်- AI နည်းပညာဆိုင်ရာ စံနှုန်းများနှင့် လမ်းညွှန်ချက်များကို အာရုံစိုက်ပါ။ ထို့ အပြင်၊ Algorithmic တာဝန်ခံမှုဥပဒေ အလိုအလျောက် ဆုံးဖြတ်ချက်စနစ်များ၏ အကျိုးသက်ရောက်မှုကို အကဲဖြတ်မှုများနှင့် အရေးကြီးသော ဆုံးဖြတ်ချက်လုပ်ငန်းစဉ်များကို တိုးမြှင့်လုပ်ဆောင်ရန် လိုအပ်နိုင်သည်။ ပြီးတော့ နိုင်ငံရပ်ခြား၊ Artificial Intelligence ဥပဒေ AI ဘေးကင်းမှု၊ လိုက်နာမှု၊ အုပ်ချုပ်မှုနှင့် ယုံကြည်စိတ်ချရမှုဆိုင်ရာ တိကျသောရည်ရွယ်ချက်များဖြင့် ပြည့်စုံသော စည်းမျဉ်းဘောင်တစ်ရပ်ကို အဆိုပြုထားသည်။

ဤအပြောင်းအရွှေ့များဖြင့် အဖွဲ့အစည်းများသည် အုပ်ချုပ်မှုအဏုကြည့်မှန်ပြောင်းအောက်တွင် ရှိနေသည်။ အယ်လဂိုရီသမ် အကဲဖြတ်သူသည် စည်းမျဉ်းစည်းကမ်းလိုအပ်ချက်များကို ကိုင်တွယ်ဖြေရှင်းပြီး သက်ဆိုင်သူများ၏ အဓိပ္ပာယ်ဖွင့်ဆိုမှု လွဲမှားခြင်း သို့မဟုတ် အန္တရာယ်ကို ရှောင်ရှားနေစဉ်တွင် သက်ဆိုင်သူများ၏ ပွင့်လင်းမြင်သာမှုကို မြှင့်တင်ပေးသည့် အဆိုပါ အစီရင်ခံစာများကို ပံ့ပိုးပေးနိုင်ပါသည်။ လမ်းလွဲ အကဲဖြတ်ချက်ရလဒ်များဖြင့်

3. ကုမ္ပဏီများသည် ရေရှည်အန္တရာယ်စီမံခန့်ခွဲမှုမှ အကျိုးခံစားခွင့်များ

KPMG ၏နည်းပညာအာမခံအလေ့အကျင့်တွင်ပါတနာဖြစ်သော Steve Camara သည် AI ရင်းနှီးမြုပ်နှံမှုများကို အလိုအလျောက်လုပ်ဆောင်သည့်လုပ်ငန်းစဉ်များလုပ်ဆောင်ခြင်း၊ ဖောက်သည်အတွေ့အကြုံကိုမြှင့်တင်ရန်နှင့် လုပ်ငန်းဆောင်တာများတစ်လျှောက် AI ဖွံ့ဖြိုးတိုးတက်မှုကို ဖြန့်ဝေပေးခြင်းဖြင့် AI ရင်းနှီးမြှုပ်နှံမှုများ ဆက်လက်တိုးလာမည်ဟု ခန့်မှန်းထားသည်။ အပြိုင်အဆိုင်နှင့် အမြတ်အစွန်းရရှိရန် အဖွဲ့အစည်းများသည် AI ၏ ချက်ခြင်းချို့ယွင်းချက်များကို ဖြေရှင်းပေးရုံသာမက AI လောင်စာဆီသုံး စီးပွားရေးလုပ်ငန်းဆောင်ရွက်မှုများနှင့် ဆက်စပ်နေသည့် ရေရှည်အန္တရာယ်များကို လျှော့ချပေးသည့် ထိရောက်သောထိန်းချုပ်မှုများ လိုအပ်မည်ဖြစ်သည်။

ဤနေရာတွင် ပြင်ပအကဲဖြတ်သူများသည် ယုံကြည်စိတ်ချရသော ကျွမ်းကျင်သော အရင်းအမြစ်တစ်ခုအဖြစ် ဝင်ရောက်လာပါသည်။ အဖွဲ့အစည်းများသည် လုပ်ငန်းလုပ်ဆောင်ပေးသူအဖြစ် AI သမာဓိကို ပိုမိုလက်ခံလာသည်နှင့်အမျှ မိတ်ဖက်ပူးပေါင်းမှုသည် ad hoc ဝန်ဆောင်မှုနည်းပါးလာပြီး တသမတ်တည်းပူးပေါင်းလုပ်ဆောင်မှု ပိုမိုဖြစ်လာနိုင်သည်ဟု Camara မှရှင်းပြသည်။

“AI ကို စဉ်ဆက်မပြတ် အခြေခံပြီး ပြင်ပ အကဲဖြတ်သူ နဲ့ ရည်ရွယ်ချက်ရှိရှိ လုပ်ဆောင်နေတဲ့ အဖွဲ့အစည်းတွေကြား ဆက်နွှယ်တဲ့ ဆက်နွယ်မှုတွေ ရှိဖို့ လိုအပ်မယ့် ရှေ့ခရီးလမ်းကို ကျွန်တော်တို့ မြင်ပါတယ်” ဟု ၎င်းက ဆိုသည်။

နောက်လာမည့်အရာကိုကြည့်

အနာဂတ်တွင်၊ အဖွဲ့အစည်းများသည် မော်ဒယ်အသစ်များ တီထွင်ခြင်း၊ ဒေတာရင်းမြစ်အသစ်များကို ထည့်သွင်းခြင်း၊ ပြင်ပရောင်းချသူဖြေရှင်းချက်များအား ပေါင်းစပ်ခြင်း သို့မဟုတ် လိုက်နာမှုဆိုင်ရာ လိုအပ်ချက်အသစ်များကို လမ်းညွှန်ခြင်းတို့ကြောင့် အနာဂတ်တွင်၊ အဖွဲ့အစည်းများသည် ပြင်ပအကဲဖြတ်ချက်များကို စက်ဝန်းအခြေခံဖြင့် ပိုမိုအသုံးချနိုင်မည်ဖြစ်သည်။

စည်းမျဉ်းစည်းကမ်းများနှင့် လိုက်နာမှုဆိုင်ရာ လိုအပ်ချက်များကို ထပ်လောင်းပြဌာန်းသည့်အခါ၊ ပြင်ပအကဲဖြတ်သူများသည် အဆိုပါလိုအပ်ချက်များနှင့်စပ်လျဉ်း၍ AI ကို မည်မျှကောင်းစွာအသုံးချထားသည် သို့မဟုတ် အသုံးပြုခဲ့ကြောင်း တိုက်ရိုက်အကဲဖြတ်ရန် ဝန်ဆောင်မှုများကို ပေးဆောင်နိုင်ပါသည်။ ထို့နောက် ဤအကဲဖြတ်သူများသည် အကဲဖြတ်ခြင်းရလဒ်များကို ရှင်းရှင်းလင်းလင်းနှင့် တသမတ်တည်းမျှဝေရန် အကောင်းဆုံးအနေအထားတွင် ရှိနေမည်ဖြစ်သည်။

၎င်း၏ကန့်သတ်ချက်များကိုကာကွယ်ရာတွင်လည်း နည်းပညာကိုအသုံးချရန်၊ အဖွဲ့အစည်းတစ်ခုသည် အယ်လဂိုရီသမ်များကိုအသုံးပြုသည့်အခါ ပိုမိုပွင့်လင်းမြင်သာမှုကိုပြသရန်အတွက် ၎င်းအားကိုးကိုးစားနိုင်သည့်အစီရင်ခံစာများထုတ်ပေးရန် ပြင်ပအကဲဖြတ်သူများကို ရှာဖွေရမည်ဖြစ်သည်။ အဲဒီကနေ အဖွဲ့အစည်းနဲ့ သက်ဆိုင်သူတွေရော AI ရဲ့ ပါဝါနဲ့ သူ့ရဲ့ ကန့်သတ်ချက်တွေကို ပိုနားလည်လာနိုင်ပါတယ်။