AI ໄດ້ໄປໄກເກີນໄປແລ້ວບໍ?

ຄຳຕອບສັ້ນໆ: AI ໄດ້ໄປໄກເກີນໄປເມື່ອມັນຖືກນຳໃຊ້ໃນການຕັດສິນໃຈທີ່ມີຄວາມສ່ຽງສູງ, ການເຝົ້າລະວັງ, ຫຼື ການຊັກຊວນໂດຍບໍ່ມີຂໍ້ຈຳກັດທີ່ໜັກແໜ້ນ, ການຍິນຍອມທີ່ໄດ້ຮັບຂໍ້ມູນ, ແລະ ສິດທີ່ແທ້ຈິງໃນການອຸທອນ. ມັນຂ້າມເສັ້ນອີກຄັ້ງເມື່ອ deepfakes ແລະ ການຫຼອກລວງທີ່ສາມາດຂະຫຍາຍໄດ້ເຮັດໃຫ້ຄວາມໄວ້ວາງໃຈຮູ້ສຶກຄືກັບການພະນັນ. ຖ້າຜູ້ຄົນບໍ່ສາມາດບອກໄດ້ວ່າ AI ມີບົດບາດ, ບໍ່ສາມາດເຂົ້າໃຈວ່າເປັນຫຍັງການຕັດສິນໃຈຈຶ່ງລົງມືເຮັດແບບນັ້ນ, ຫຼື ບໍ່ສາມາດເລືອກອອກໄດ້, ມັນກໍ່ໄກເກີນໄປແລ້ວ.

ບົດຮຽນຫຼັກ:

ຂອບເຂດ: ກຳນົດສິ່ງທີ່ລະບົບບໍ່ສາມາດເຮັດໄດ້, ໂດຍສະເພາະເມື່ອຄວາມບໍ່ແນ່ນອນສູງ.

ຄວາມຮັບຜິດຊອບ: ຮັບປະກັນວ່າມະນຸດສາມາດລົບລ້າງຜົນໄດ້ຮັບໂດຍບໍ່ມີການລົງໂທດ ຫຼື ກັບດັກຄວາມກົດດັນດ້ານເວລາ.

ຄວາມໂປ່ງໃສ: ບອກຜູ້ຄົນເມື່ອໃດທີ່ AI ມີສ່ວນຮ່ວມ ແລະ ເປັນຫຍັງມັນຈຶ່ງຕັດສິນໃຈ.

ຄວາມສາມາດໃນການແຂ່ງຂັນ: ສະໜອງເສັ້ນທາງການອຸທອນທີ່ວ່ອງໄວ ແລະ ໃຊ້ໄດ້ຜົນ ແລະ ວິທີການທີ່ຊັດເຈນໃນການແກ້ໄຂຂໍ້ມູນທີ່ບໍ່ດີ.

ການຕ້ານທານການໃຊ້ໃນທາງທີ່ຜິດ: ເພີ່ມແຫຼ່ງທີ່ມາ, ຂໍ້ຈຳກັດອັດຕາ ແລະ ການຄວບຄຸມເພື່ອສະກັດກັ້ນການຫຼອກລວງ ແລະ ການລ່ວງລະເມີດ.

"AI ກ້າວໄປໄກເກີນໄປບໍ?"

ສ່ວນທີ່ແປກປະຫຼາດກໍຄືການຂ້າມເສັ້ນນັ້ນບໍ່ແມ່ນເລື່ອງທີ່ເຫັນໄດ້ຊັດເຈນສະເໝີໄປ. ບາງຄັ້ງມັນກໍ່ດັງ ແລະ ໂດດເດັ່ນ, ຄືກັບການຫຼອກລວງແບບ deepfake. (FTC, FBI) ​​ບາງຄັ້ງມັນກໍ່ງຽບໆ - ການຕັດສິນໃຈແບບອັດຕະໂນມັດທີ່ຊຸກຍູ້ຊີວິດຂອງເຈົ້າໄປທາງຂ້າງໂດຍບໍ່ມີຄຳອະທິບາຍໃດໆ, ແລະ ເຈົ້າບໍ່ຮູ້ຕົວເລີຍວ່າເຈົ້າຖືກ "ໃຫ້ຄະແນນ". (UK ICO, GDPR ມາດຕາ 22)

ສະນັ້ນ... AI ໄດ້ໄປໄກເກີນໄປແລ້ວບໍ? ໃນບາງບ່ອນ, ແມ່ນແລ້ວ. ໃນບາງບ່ອນ, ມັນຍັງບໍ່ໄກພຽງພໍ - ເພາະມັນຖືກນໍາໃຊ້ໂດຍບໍ່ມີຮາວຄວາມປອດໄພທີ່ບໍ່ໜ້າສົນໃຈແຕ່ຈຳເປັນທີ່ເຮັດໃຫ້ເຄື່ອງມືມີພຶດຕິກຳຄືກັບເຄື່ອງມືແທນທີ່ຈະເປັນລໍ້ roulette ທີ່ມີ UI ທີ່ເປັນມິດ. 🎰🙂 (NIST AI RMF 1.0, EU AI Act)

ບົດຄວາມທີ່ທ່ານອາດຈະຢາກອ່ານຫຼັງຈາກບົດຄວາມນີ້:

🔗 ເປັນຫຍັງ AI ຈຶ່ງເປັນອັນຕະລາຍຕໍ່ສັງຄົມ
ຄວາມສ່ຽງທາງສັງຄົມທີ່ສຳຄັນ: ອະຄະຕິ, ວຽກງານ, ຄວາມເປັນສ່ວນຕົວ ແລະ ການສຸມອຳນາດ.

🔗 AI ບໍ່ດີຕໍ່ສິ່ງແວດລ້ອມບໍ? ຜົນກະທົບທີ່ເຊື່ອງໄວ້
ວິທີການທີ່ການຝຶກອົບຮົມ, ສູນຂໍ້ມູນ ແລະ ການໃຊ້ພະລັງງານເພີ່ມການປ່ອຍອາຍພິດ.

🔗 AI ດີ ຫຼື ບໍ່ດີ? ຂໍ້ດີ ແລະ ຂໍ້ເສຍ
ພາບລວມທີ່ສົມດຸນກ່ຽວກັບຜົນປະໂຫຍດ, ຄວາມສ່ຽງ ແລະ ການແລກປ່ຽນໃນໂລກຕົວຈິງ.

🔗 ເປັນຫຍັງ AI ຈຶ່ງຖືກຖືວ່າບໍ່ດີ: ດ້ານມືດ
ສຳຫຼວດການໃຊ້ໃນທາງທີ່ຜິດ, ການຫຼອກລວງ, ໄພຂົ່ມຂູ່ຕໍ່ຄວາມປອດໄພ ແລະ ຄວາມກັງວົນດ້ານຈັນຍາບັນ.

---

ຄົນເຮົາໝາຍຄວາມວ່າແນວໃດເມື່ອເຂົາເຈົ້າເວົ້າວ່າ “AI ໄປໄກເກີນໄປແລ້ວບໍ?” 😬

ຄົນສ່ວນໃຫຍ່ບໍ່ໄດ້ຖາມວ່າ AI “ມີສະຕິ” ຫຼື “ເຂົ້າຄວບຄຸມ”. ພວກເຂົາກຳລັງຊີ້ໄປທີ່ໜຶ່ງໃນນີ້:

• AI ກຳລັງຖືກນຳໃຊ້ໃນບ່ອນທີ່ບໍ່ຄວນນຳໃຊ້. (ໂດຍສະເພາະການຕັດສິນໃຈທີ່ມີຄວາມສ່ຽງສູງ.) (ກົດໝາຍວ່າດ້ວຍ AI ຂອງສະຫະພາບເອີຣົບ ເອກະສານຊ້ອນທ້າຍທີ III, GDPR ມາດຕາ 22)

• AI ກຳລັງຖືກນຳໃຊ້ໂດຍບໍ່ໄດ້ຮັບການຍິນຍອມ. (ຂໍ້ມູນຂອງທ່ານ, ສຽງຂອງທ່ານ, ໃບໜ້າຂອງທ່ານ... ເຮັດໃຫ້ແປກໃຈ.) (ICO ຂອງອັງກິດ, GDPR ມາດຕາ 5)

• AI ກຳລັງເກັ່ງເກີນໄປໃນການຫມູນໃຊ້ຄວາມສົນໃຈ. (ຟີດ + ການປັບແຕ່ງສ່ວນຕົວ + ອັດຕະໂນມັດ = ຕິດແໜ້ນ.) (ຫຼັກການ AI ຂອງ OECD)

• AI ກຳລັງເຮັດໃຫ້ຄວາມຈິງຮູ້ສຶກວ່າເປັນທາງເລືອກ. (Deepfakes, ການທົບທວນປອມ, “ຜູ້ຊ່ຽວຊານ” ສັງເຄາະ) (ຄະນະກຳມະການເອີຣົບ, FTC, C2PA)

• AI ກຳລັງລວມສູນອຳນາດ. (ລະບົບບາງອັນທີ່ສ້າງຮູບແບບສິ່ງທີ່ທຸກຄົນເຫັນ ແລະ ສາມາດເຮັດໄດ້.) (CMA ຂອງອັງກິດ)

ນັ້ນແມ່ນຫົວໃຈຂອງ “AI ກ້າວໄປໄກເກີນໄປແລ້ວບໍ?” ມັນບໍ່ແມ່ນຊ່ວງເວລາດຽວ. ມັນເປັນການສະສົມຂອງແຮງຈູງໃຈ, ທາງລັດ, ແລະ ຄວາມຄິດ “ພວກເຮົາຈະແກ້ໄຂມັນໃນພາຍຫຼັງ” - ເຊິ່ງ, ເວົ້າແທ້ໆ, ມັກຈະແປເປັນ “ພວກເຮົາຈະແກ້ໄຂມັນຫຼັງຈາກທີ່ມີຄົນໄດ້ຮັບບາດເຈັບ.” 😑

---

ຄວາມຈິງທີ່ບໍ່ລັບປານໃດ: AI ເປັນຕົວຄູນ, ບໍ່ແມ່ນຕົວກະທຳທາງສິນທຳ 🔧✨

ປັນຍາປະດິດບໍ່ໄດ້ຕື່ນຂຶ້ນແລະຕັດສິນໃຈທີ່ຈະເປັນອັນຕະລາຍ. ຜູ້ຄົນແລະອົງກອນຕ່າງໆແນໃສ່ມັນ. ແຕ່ມັນເພີ່ມຈຳນວນສິ່ງໃດກໍ່ຕາມທີ່ເຈົ້າໃຫ້ມັນ:

• ເຈດຕະນາທີ່ເປັນປະໂຫຍດຈະກາຍເປັນ ປະໂຫຍດຢ່າງຫຼວງຫຼາຍ (ການແປ, ການເຂົ້າເຖິງ, ການສະຫຼຸບ, ການສັງເກດຮູບແບບທາງການແພດ).

• ເຈດຕະນາທີ່ບໍ່ລະມັດລະວັງກາຍເປັນ ຄວາມບໍ່ລະມັດລະວັງຢ່າງຫຼວງຫຼາຍ (ອະຄະຕິໃນຂອບເຂດ, ການອັດຕະໂນມັດຂອງຄວາມຜິດພາດ).

• ເຈດຕະນາທີ່ບໍ່ດີກາຍເປັນ ສິ່ງທີ່ບໍ່ດີຢ່າງໃຫຍ່ຫຼວງ (ການສໍ້ໂກງ, ການລົບກວນ, ການໂຄສະນາຊວນເຊື່ອ, ການປອມຕົວເປັນຄົນອື່ນ).

ມັນຄືກັບການເອົາໂທລະໂຂ່ງໃຫ້ເດັກນ້ອຍ. ບາງຄັ້ງເດັກນ້ອຍຮ້ອງເພງ... ບາງຄັ້ງເດັກນ້ອຍຮ້ອງຂຶ້ນໂດຍກົງໃສ່ຈິດວິນຍານຂອງເຈົ້າ. ບໍ່ແມ່ນຄຳປຽບທຽບທີ່ສົມບູນແບບ - ໂງ່ໜ້ອຍໜຶ່ງ - ແຕ່ຈຸດປະສົງແມ່ນຖືກຕ້ອງ 😅📢.

---

ສິ່ງໃດທີ່ເຮັດໃຫ້ AI ລຸ້ນດີໃນສະພາບການໃຊ້ປະຈຳວັນ? ✅🤝

“ຮຸ່ນທີ່ດີ” ຂອງ AI ບໍ່ໄດ້ຖືກນິຍາມໂດຍຄວາມສະຫຼາດຂອງມັນ. ມັນຖືກນິຍາມໂດຍວ່າມັນປະຕິບັດໄດ້ດີແນວໃດພາຍໃຕ້ຄວາມກົດດັນ, ຄວາມບໍ່ແນ່ນອນ, ແລະ ການລໍ້ລວງ (ແລະມະນຸດກໍ່ຖືກລໍ້ລວງຫຼາຍໂດຍລະບົບອັດຕະໂນມັດລາຄາຖືກ). (NIST AI RMF 1.0, OECD)

ນີ້ແມ່ນສິ່ງທີ່ຂ້ອຍຊອກຫາເມື່ອຜູ້ໃດຜູ້ໜຶ່ງອ້າງວ່າການໃຊ້ AI ຂອງເຂົາເຈົ້າມີຄວາມຮັບຜິດຊອບ:

1) ຂອບເຂດທີ່ຊັດເຈນ

• ລະບົບໄດ້ຮັບອະນຸຍາດໃຫ້ເຮັດຫຍັງ?

• ມັນຖືກຫ້າມຢ່າງຈະແຈ້ງບໍ່ໃຫ້ເຮັດຫຍັງ?

• ຈະເກີດຫຍັງຂຶ້ນເມື່ອມັນບໍ່ແນ່ໃຈ?

2) ຄວາມຮັບຜິດຊອບຂອງມະນຸດທີ່ແທ້ຈິງ, ບໍ່ແມ່ນການຕົກແຕ່ງ

ຜົນໄດ້ຮັບ "ການທົບທວນຄືນ" ຂອງມະນຸດຈະມີຄວາມສຳຄັນພຽງແຕ່ຖ້າ:

• ພວກເຂົາເຂົ້າໃຈສິ່ງທີ່ພວກເຂົາກຳລັງທົບທວນຄືນ, ແລະ

• ພວກເຂົາສາມາດລົບລ້າງມັນໄດ້ໂດຍບໍ່ຕ້ອງຖືກລົງໂທດຍ້ອນການເຮັດໃຫ້ສິ່ງຕ່າງໆຊ້າລົງ.

3) ການອະທິບາຍໃນລະດັບທີ່ເໝາະສົມ

ບໍ່ແມ່ນທຸກຄົນຕ້ອງການຄະນິດສາດ. ຜູ້ຄົນຕ້ອງການ:

• ເຫດຜົນຫຼັກທີ່ຢູ່ເບື້ອງຫຼັງການຕັດສິນໃຈ,

• ຂໍ້ມູນໃດຖືກນຳໃຊ້,

• ວິທີການອຸທອນ, ແກ້ໄຂ, ຫຼື ເລືອກທີ່ຈະບໍ່ເຂົ້າຮ່ວມ. (UK ICO)

4) ປະສິດທິພາບທີ່ວັດແທກໄດ້ - ລວມທັງຮູບແບບຄວາມລົ້ມເຫຼວ

ບໍ່ພຽງແຕ່ "ຄວາມຖືກຕ້ອງ", ແຕ່:

• ມັນລົ້ມເຫຼວໃສ່ໃຜ,

• ມັນລົ້ມເຫຼວຢ່າງງຽບໆເລື້ອຍປານໃດ,

• ຈະເກີດຫຍັງຂຶ້ນເມື່ອໂລກປ່ຽນແປງ. (NIST AI RMF 1.0)

5) ຄວາມເປັນສ່ວນຕົວ ແລະ ການຍິນຍອມທີ່ບໍ່ໄດ້ “ຝັງໄວ້ໃນການຕັ້ງຄ່າ”

ຖ້າການຍິນຍອມຮຽກຮ້ອງໃຫ້ມີການລ່າສົມບັດຜ່ານເມນູ… ມັນບໍ່ແມ່ນການຍິນຍອມ. ມັນເປັນຊ່ອງໂຫວ່ທີ່ມີຂັ້ນຕອນເພີ່ມເຕີມ 😐🧾. (GDPR ມາດຕາ 5, ICO ຂອງອັງກິດ)

---

ຕາຕະລາງປຽບທຽບ: ວິທີການປະຕິບັດໄດ້ເພື່ອຢຸດ AI ຈາກການໄປໄກເກີນໄປ 🧰📊

ຂ້າງລຸ່ມນີ້ແມ່ນ “ຕົວເລືອກອັນດັບຕົ້ນໆ” ໃນຄວາມໝາຍທີ່ວ່າພວກມັນເປັນຮົ້ວກັ້ນທົ່ວໄປ ຫຼື ເຄື່ອງມືປະຕິບັດງານທີ່ປ່ຽນແປງຜົນໄດ້ຮັບ (ບໍ່ພຽງແຕ່ຄວາມຮູ້ສຶກເທົ່ານັ້ນ).

ເຄື່ອງມື / ທາງເລືອກ	ຜູ້ຊົມ	ລາຄາ	ເປັນຫຍັງມັນຈຶ່ງໃຊ້ໄດ້
ການທົບທວນຄືນໂດຍມະນຸດໃນວົງຈອນ (ກົດໝາຍວ່າດ້ວຍ AI ຂອງສະຫະພາບເອີຣົບ)	ທີມທີ່ເຮັດການໂທທີ່ມີຄວາມສ່ຽງຕໍ່ການສ່ຽງສູງ	££ (ຄ່າໃຊ້ຈ່າຍເວລາ)	ເຮັດໃຫ້ລະບົບອັດຕະໂນມັດທີ່ບໍ່ດີຊ້າລົງ. ນອກຈາກນີ້, ມະນຸດສາມາດສັງເກດເຫັນກໍລະນີຂອບແປກໆ, ບາງຄັ້ງ..
ຂະບວນການອຸທອນຄຳຕັດສິນ (GDPR ມາດຕາ 22)	ຜູ້ໃຊ້ທີ່ໄດ້ຮັບຜົນກະທົບຈາກການຕັດສິນໃຈຂອງ AI	ແບບອິດສະຫຼະ	ເພີ່ມຂະບວນການທີ່ເໝາະສົມ. ຜູ້ຄົນສາມາດແກ້ໄຂຂໍ້ມູນທີ່ຜິດພາດໄດ້ - ຟັງແລ້ວຄືວ່າພື້ນຖານເພາະມັນເປັນພື້ນຖານ
ບັນທຶກການກວດສອບ + ການຕິດຕາມ (NIST SP 800-53)	ການປະຕິບັດຕາມ, ການປະຕິບັດການ, ຄວາມປອດໄພ	£-££	ຊ່ວຍໃຫ້ທ່ານສາມາດຕອບວ່າ "ເກີດຫຍັງຂຶ້ນ?" ຫຼັງຈາກຄວາມລົ້ມເຫຼວ, ແທນທີ່ຈະຍົກບ່າໄຫລ່
ການປະເມີນຮູບແບບ + ການທົດສອບຄວາມລຳອຽງ (NIST AI RMF 1.0)	ທີມງານຜະລິດຕະພັນ + ຄວາມສ່ຽງ	ແຕກຕ່າງກັນຫຼາຍ	ກວດພົບອັນຕະລາຍທີ່ຄາດເດົາໄດ້ແຕ່ຫົວທີ. ບໍ່ສົມບູນແບບ, ແຕ່ດີກວ່າການຄາດເດົາ
ການທົດສອບທີມແດງ (ໂປຣໄຟລ໌ NIST GenAI)	ພະນັກງານຮັກສາຄວາມປອດໄພ + ພະນັກງານຮັກສາຄວາມປອດໄພ	£££	ຈຳລອງການໃຊ້ໃນທາງທີ່ຜິດກ່ອນທີ່ຜູ້ໂຈມຕີຕົວຈິງຈະເຮັດ. ບໍ່ໜ້າພໍໃຈ, ແຕ່ຄຸ້ມຄ່າ 😬
ການຫຼຸດຜ່ອນຂໍ້ມູນ (UK ICO)	ທຸກໆຄົນ, ແທ້ໆ	£	ຂໍ້ມູນໜ້ອຍລົງ = ຄວາມວຸ້ນວາຍໜ້ອຍລົງ. ການລະເມີດໜ້ອຍລົງ, ການສົນທະນາທີ່ງຸ່ມງ່າມໜ້ອຍລົງ
ສັນຍານທີ່ມາຂອງເນື້ອຫາ (C2PA)	ແພລດຟອມ, ສື່, ຜູ້ໃຊ້	£-££	ຊ່ວຍກວດສອບວ່າ "ມະນຸດເປັນຜູ້ເຮັດສິ່ງນີ້ບໍ?" - ບໍ່ແມ່ນເລື່ອງທີ່ຜິດພາດໄດ້ ແຕ່ຊ່ວຍຫຼຸດຜ່ອນຄວາມວຸ້ນວາຍ
ຂໍ້ຈຳກັດອັດຕາ + ການຄວບຄຸມການເຂົ້າເຖິງ (OWASP)	ຜູ້ໃຫ້ບໍລິການ AI + ວິສາຫະກິດ	£	ຢຸດການຂົ່ມເຫັງຈາກການຂະຫຍາຍຂອບເຂດທັນທີ. ຄືກັບການເລັ່ງຄວາມໄວສຳລັບນັກສະແດງທີ່ບໍ່ດີ

ແມ່ນແລ້ວ, ໂຕະບໍ່ສະໝໍ່າສະເໝີກັນໜ້ອຍໜຶ່ງ. ນັ້ນແຫຼະຊີວິດ. 🙂

---

AI ໃນການຕັດສິນໃຈທີ່ມີຄວາມສ່ຽງສູງ: ເມື່ອມັນໄປໄກເກີນໄປ 🏥🏦⚖️

ນີ້ແມ່ນບ່ອນທີ່ສິ່ງຕ່າງໆຮ້າຍແຮງຂຶ້ນໄວ.

ປະດິດ (AI) ໃນ ການດູແລສຸຂະພາບ, ການເງິນ, ທີ່ຢູ່ອາໄສ, ການຈ້າງງານ, ການສຶກສາ, ການເຂົ້າເມືອງ, ຄວາມຍຸຕິທຳທາງອາຍາ - ລະບົບເຫຼົ່ານີ້ແມ່ນບ່ອນທີ່: (ກົດໝາຍວ່າດ້ວຍປັນຍາປະດິດຂອງສະຫະພາບເອີຣົບ ເອກະສານຊ້ອນທ້າຍທີ III, FDA)

• ຄວາມຜິດພາດສາມາດເຮັດໃຫ້ຜູ້ໃດຜູ້ໜຶ່ງສູນເສຍເງິນ, ອິດສະລະພາບ, ກຽດສັກສີ, ຫຼື ຄວາມປອດໄພ,

• ແລະຜູ້ທີ່ໄດ້ຮັບຜົນກະທົບມັກຈະມີພະລັງທີ່ຈຳກັດໃນການຕໍ່ສູ້ກັບຄືນ.

ຄວາມສ່ຽງໃຫຍ່ບໍ່ແມ່ນ “AI ເຮັດຜິດພາດ.” ຄວາມສ່ຽງໃຫຍ່ແມ່ນ ຄວາມຜິດພາດຂອງ AI ກາຍເປັນນະໂຍບາຍ. (NIST AI RMF 1.0)

ຄຳວ່າ "ໄກເກີນໄປ" ຢູ່ທີ່ນີ້ເປັນແນວໃດ

• ການຕັດສິນໃຈແບບອັດຕະໂນມັດໂດຍບໍ່ມີຄຳອະທິບາຍ: “ຄອມພິວເຕີບອກວ່າບໍ່.” (UK ICO)

• “ຄະແນນຄວາມສ່ຽງ” ຖືກປະຕິບັດຄືກັບຂໍ້ເທັດຈິງແທນທີ່ຈະເປັນການຄາດເດົາ.

• ມະນຸດທີ່ບໍ່ສາມາດລົບລ້າງຜົນໄດ້ຮັບໄດ້ ເພາະວ່າຝ່າຍບໍລິຫານຕ້ອງການຄວາມໄວ.

• ຂໍ້ມູນທີ່ບໍ່ເປັນລະບຽບ, ມີອະຄະຕິ, ລ້າສະໄໝ, ຫຼື ຜິດພາດຢ່າງສິ້ນເຊີງ.

ສິ່ງທີ່ຄວນຈະບໍ່ສາມາດເຈລະຈາໄດ້

• ສິດໃນການອຸທອນ (ໄວ, ເຂົ້າໃຈງ່າຍ, ບໍ່ແມ່ນເລື່ອງວຸ້ນວາຍ). (GDPR ມາດຕາ 22, ICO ຂອງສະຫະລາຊະອານາຈັກ)

• ສິດທີ່ຈະຮູ້ ວ່າ AI ມີສ່ວນຮ່ວມ. (ຄະນະກຳມະການເອີຣົບ)

• ການທົບທວນຄືນຂອງມະນຸດ ສຳລັບຜົນໄດ້ຮັບທີ່ຕາມມາ. (NIST AI RMF 1.0)

• ການຄວບຄຸມຄຸນນະພາບຂໍ້ມູນ - ເພາະວ່າຂີ້ເຫຍື້ອເຂົ້າ, ຂີ້ເຫຍື້ອອອກຍັງເປັນຄວາມຈິງທີ່ເຈັບປວດ.

ຖ້າທ່ານກຳລັງພະຍາຍາມຂີດເສັ້ນທີ່ສະອາດ, ນີ້ແມ່ນອັນໜຶ່ງ:
ຖ້າລະບົບ AI ສາມາດປ່ຽນແປງຊີວິດຂອງຜູ້ໃດຜູ້ໜຶ່ງໄດ້ຢ່າງສຳຄັນ, ມັນຕ້ອງການຄວາມຈິງຈັງຄືກັນກັບທີ່ພວກເຮົາຄາດຫວັງຈາກອຳນາດຮູບແບບອື່ນໆ. ບໍ່ມີ "ການທົດສອບເບຕ້າ" ກັບຜູ້ທີ່ບໍ່ໄດ້ລົງທະບຽນ. 🚫

---

Deepfakes, ການຫຼອກລວງ, ແລະ ການຕາຍຢ່າງຊ້າໆຂອງ “ຂ້ອຍໄວ້ວາງໃຈຕາຂອງຂ້ອຍ” 👀🧨

ນີ້ແມ່ນສ່ວນທີ່ເຮັດໃຫ້ຊີວິດປະຈຳວັນຮູ້ສຶກ...ລື່ນ.

ເມື່ອ AI ສາມາດສ້າງ:

• ຂໍ້ຄວາມສຽງທີ່ຟັງຄືກັບສະມາຊິກໃນຄອບຄົວຂອງເຈົ້າ, (FTC, FBI)

• ວິດີໂອຂອງບຸກຄົນສາທາລະນະ “ເວົ້າ” ບາງສິ່ງບາງຢ່າງ,

• ການທົບທວນປອມຫຼາຍໆຄັ້ງທີ່ເບິ່ງຄືວ່າເປັນຄວາມຈິງພຽງພໍ (FTC)

• ໂປຣໄຟລ໌ LinkedIn ປອມທີ່ມີປະຫວັດການເຮັດວຽກປອມ ແລະ ໝູ່ເພື່ອນປອມ..

...ມັນບໍ່ພຽງແຕ່ເຮັດໃຫ້ມີການຫຼອກລວງເທົ່ານັ້ນ. ມັນເຮັດໃຫ້ຄວາມຜູກພັນທາງສັງຄົມທີ່ຊ່ວຍໃຫ້ຄົນແປກໜ້າປະສານງານກັນອ່ອນແອລົງ. ແລະສັງຄົມກໍ່ດຳເນີນໄປຕາມການປະສານງານຂອງຄົນແປກໜ້າ. 😵💫

“ໄກເກີນໄປ” ບໍ່ແມ່ນພຽງແຕ່ເນື້ອຫາປອມເທົ່ານັ້ນ

ມັນແມ່ນ ຄວາມບໍ່ສົມດຸນ:

• ມັນລາຄາຖືກທີ່ຈະສ້າງຄວາມຕົວະ.

• ມັນມີລາຄາແພງ ແລະ ຊ້າໃນການກວດສອບຄວາມຈິງ.

• ແລະຄົນສ່ວນໃຫຍ່ກໍ່ຫຍຸ້ງ, ເມື່ອຍ, ແລະ ເລື່ອນເບິ່ງ.

ສິ່ງທີ່ຊ່ວຍໄດ້ (ໜ້ອຍໜຶ່ງ)

• ເຄື່ອງໝາຍແຫຼ່ງທີ່ມາຂອງສື່. (C2PA)

• ແຮງສຽດທານຕໍ່ຄວາມເປັນໄວຣັລ - ເຮັດໃຫ້ການແບ່ງປັນມວນຊົນທັນທີຊ້າລົງ.

• ການຢືນຢັນຕົວຕົນທີ່ດີກວ່າໃນບ່ອນທີ່ມີຄວາມສຳຄັນ (ການເງິນ, ການບໍລິການຂອງລັດຖະບານ).

• ນິໄສພື້ນຖານ “ກວດສອບນອກຂອບເຂດ” ສຳລັບບຸກຄົນ (ໂທກັບ, ໃຊ້ລະຫັດຄຳສັບ, ຢືນຢັນຜ່ານຊ່ອງທາງອື່ນ). (FTC)

ບໍ່ງາມເລີຍ. ແຕ່ສາຍແອວນິລະໄພກໍ່ບໍ່ງາມຄືກັນ, ແລະສ່ວນຕົວຂ້ອຍກໍ່ມັກສິ່ງເຫຼົ່ານັ້ນຫຼາຍ. 🚗

---

ການເຝົ້າລະວັງທີ່ຮຸນແຮງ: ເມື່ອ AI ປ່ຽນທຸກຢ່າງໃຫ້ກາຍເປັນເຊັນເຊີຢ່າງງຽບໆ 📷🫥

ອັນນີ້ບໍ່ໄດ້ລະເບີດຄືກັບ deepfake. ມັນພຽງແຕ່ແຜ່ລາມອອກໄປ.

AI ເຮັດໃຫ້ມັນງ່າຍທີ່ຈະ:

• ລະບຸໃບໜ້າໃນຝູງຊົນ, (ກົດໝາຍວ່າດ້ວຍ AI ຂອງ EU, NIST FRVT)

• ຕິດຕາມຮູບແບບການເຄື່ອນໄຫວ,

• ອະນຸມານອາລົມຈາກວິດີໂອ (ມັກຈະບໍ່ດີ, ແຕ່ໝັ້ນໃຈ), (Barrett et al., 2019, ກົດໝາຍວ່າດ້ວຍ AI ຂອງ EU)

• ຄາດຄະເນ “ຄວາມສ່ຽງ” ໂດຍອີງໃສ່ພຶດຕິກຳ… ຫຼື ບັນຍາກາດຂອງບ້ານເຮືອນຂອງທ່ານ.

ແລະເຖິງແມ່ນວ່າມັນບໍ່ຖືກຕ້ອງ, ມັນກໍ່ຍັງອາດເປັນອັນຕະລາຍໄດ້ເພາະມັນສາມາດໃຫ້ເຫດຜົນໃນການແຊກແຊງ. ການຄາດຄະເນທີ່ຜິດພາດຍັງສາມາດກະຕຸ້ນຜົນສະທ້ອນທີ່ແທ້ຈິງໄດ້.

ສ່ວນທີ່ບໍ່ສະບາຍ

ການເຝົ້າລະວັງທີ່ໃຊ້ AI ມັກຈະມາພ້ອມກັບເລື່ອງລາວຄວາມປອດໄພ:

• "ມັນແມ່ນເພື່ອປ້ອງກັນການສໍ້ໂກງ."

• "ມັນແມ່ນເພື່ອຄວາມປອດໄພ."

• "ມັນແມ່ນສຳລັບປະສົບການຂອງຜູ້ໃຊ້."

ບາງຄັ້ງມັນກໍ່ເປັນຄວາມຈິງ. ບາງຄັ້ງມັນຍັງເປັນຂໍ້ແກ້ຕົວທີ່ສະດວກສຳລັບລະບົບການກໍ່ສ້າງທີ່ຍາກທີ່ຈະຮື້ຖອນໃນພາຍຫຼັງ. ຄືກັບການຕິດຕັ້ງປະຕູທາງດຽວໃນເຮືອນຂອງເຈົ້າເອງ ເພາະມັນເບິ່ງຄືວ່າມີປະສິດທິພາບໃນເວລານັ້ນ. ອີກເທື່ອໜຶ່ງ, ບໍ່ແມ່ນຄຳປຽບທຽບທີ່ສົມບູນແບບ - ເປັນເລື່ອງຕະຫຼົກ - ແຕ່ເຈົ້າຮູ້ສຶກໄດ້. 🚪😅

ຄຳວ່າ "ດີ" ຢູ່ທີ່ນີ້ເປັນແນວໃດ

• ຂໍ້ຈຳກັດທີ່ເຂັ້ມງວດກ່ຽວກັບການເກັບຮັກສາ ແລະ ການແບ່ງປັນ.

• ລຶບລ້າງການເລືອກອອກ.

• ກໍລະນີການນຳໃຊ້ທີ່ຄັບແຄບ.

• ການຊີ້ນຳທີ່ເປັນອິດສະຫຼະ.

• ຫ້າມໃຊ້ “ການກວດຈັບອາລົມ” ສຳລັບການລົງໂທດ ຫຼື ການເຝົ້າລະວັງ. ກະລຸນາ. 🙃 (ກົດໝາຍວ່າດ້ວຍ AI ຂອງ EU)

---

ວຽກງານ, ຄວາມຄິດສ້າງສັນ, ແລະ ບັນຫາການຂຽນໜ້າວຽກແບບງຽບໆ 🧑💻🎨

ນີ້ແມ່ນບ່ອນທີ່ການໂຕ້ວາທີກາຍເປັນເລື່ອງສ່ວນຕົວເພາະມັນແຕະຕ້ອງຕົວຕົນ.

ປັນຍາປະດິດສາມາດເຮັດໃຫ້ຄົນເຮົາມີປະສິດທິພາບຫຼາຍຂຶ້ນ. ມັນຍັງສາມາດເຮັດໃຫ້ຄົນເຮົາຮູ້ສຶກວ່າຕົນເອງສາມາດທົດແທນໄດ້. ທັງສອງຢ່າງສາມາດເປັນຄວາມຈິງໄດ້, ໃນເວລາດຽວກັນ, ໃນອາທິດດຽວກັນ. (OECD, WEF)

ບ່ອນທີ່ມັນເປັນປະໂຫຍດແທ້ໆ

• ການຮ່າງຂໍ້ຄວາມປົກກະຕິເພື່ອໃຫ້ມະນຸດສາມາດສຸມໃສ່ການຄິດໄດ້.

• ການຊ່ວຍເຫຼືອດ້ານການຂຽນໂປຣແກຣມສຳລັບຮູບແບບທີ່ຊ້ຳກັນ.

• ເຄື່ອງມືຊ່ວຍເຂົ້າເຖິງ (ການໃຫ້ຄຳບັນຍາຍ, ການສະຫຼຸບ, ການແປ).

• ການລະດົມສະໝອງເມື່ອເຈົ້າຕິດຂັດ.

ບ່ອນທີ່ມັນໄປໄກເກີນໄປ

• ການທົດແທນບົດບາດໂດຍບໍ່ມີແຜນການປ່ຽນແປງ.

• ການໃຊ້ AI ເພື່ອບີບອັດຜົນຜະລິດໃນຂະນະທີ່ເຮັດໃຫ້ຄ່າແຮງງານຫຼຸດລົງ.

• ປະຕິບັດຕໍ່ວຽກງານສ້າງສັນຄືກັບຂໍ້ມູນການຝຶກອົບຮົມທີ່ບໍ່ມີຂອບເຂດ, ແລ້ວຍົກບ່າໄຫລ່. (ຫ້ອງການລິຂະສິດສະຫະລັດ, ສະຫະລາຊະອານາຈັກ GOV.UK)

• ການເຮັດໃຫ້ບົດບາດລະດັບນ້ອຍຫາຍໄປ - ເຊິ່ງຟັງແລ້ວມີປະສິດທິພາບຈົນກວ່າທ່ານຈະຮູ້ວ່າທ່ານຫາກໍ່ເຮັດສຳເລັດຕາມຂັ້ນໄດທີ່ຜູ້ຊ່ຽວຊານໃນອະນາຄົດຕ້ອງປີນຂຶ້ນ.

ການຖອດລະຫັດພະນັກງານອອກນັ້ນເປັນເລື່ອງທີ່ລະອຽດອ່ອນ. ເຈົ້າບໍ່ສັງເກດເຫັນມັນທຸກໆມື້. ແລ້ວມື້ໜຶ່ງເຈົ້າກໍ່ຮູ້ວ່າບໍ່ມີໃຜໃນທີມຈື່ໄດ້ວ່າສິ່ງນີ້ເຮັດວຽກແນວໃດໂດຍບໍ່ມີຜູ້ຊ່ວຍ. ແລະຖ້າຜູ້ຊ່ວຍຜິດ, ເຈົ້າທຸກຄົນກໍ່ຜິດຢ່າງໝັ້ນໃຈນຳກັນ... ເຊິ່ງເປັນຝັນຮ້າຍ. 😬

---

ຄວາມເຂັ້ມຂຸ້ນຂອງອຳນາດ: ໃຜຈະໄດ້ຕັ້ງຄ່າເລີ່ມຕົ້ນ? 🏢⚡

ເຖິງແມ່ນວ່າ AI ຈະ “ເປັນກາງ” (ມັນບໍ່ແມ່ນ), ຜູ້ໃດກໍຕາມທີ່ຄວບຄຸມມັນສາມາດສ້າງຮູບຮ່າງ:

• ຂໍ້ມູນໃດທີ່ເຂົ້າເຖິງໄດ້ງ່າຍ,

• ສິ່ງທີ່ຖືກສົ່ງເສີມ ຫຼື ຖືກຝັງໄວ້,

• ພາສາໃດທີ່ອະນຸຍາດໃຫ້ໃຊ້,

• ພຶດຕິກຳໃດແດ່ທີ່ຖືກສົ່ງເສີມ.

ແລະ ເນື່ອງຈາກລະບົບ AI ອາດຈະມີລາຄາແພງໃນການສ້າງ ແລະ ດຳເນີນການ, ອຳນາດມັກຈະເຂັ້ມຂຸ້ນ. ນັ້ນບໍ່ແມ່ນການສົມຮູ້ຮ່ວມຄິດ. ນັ້ນແມ່ນເສດຖະສາດທີ່ມີເສື້ອຄຸມເຕັກໂນໂລຢີ. (CMA ຂອງອັງກິດ)

ຊ່ວງເວລາທີ່ "ໄກເກີນໄປ" ຢູ່ທີ່ນີ້

ເມື່ອຄ່າເລີ່ມຕົ້ນກາຍເປັນກົດໝາຍທີ່ເບິ່ງບໍ່ເຫັນ:

• ເຈົ້າບໍ່ຮູ້ວ່າມີຫຍັງຖືກກັ່ນຕອງ,

• ເຈົ້າບໍ່ສາມາດກວດສອບເຫດຜົນໄດ້,

• ແລະ ທ່ານບໍ່ສາມາດເລືອກທີ່ຈະອອກໄດ້ໂດຍບໍ່ສູນເສຍການເຂົ້າເຖິງວຽກງານ, ຊຸມຊົນ ຫຼື ການບໍລິການຂັ້ນພື້ນຖານ.

ລະບົບນິເວດທີ່ດີຕ້ອງການການແຂ່ງຂັນ, ຄວາມໂປ່ງໃສ, ແລະ ທາງເລືອກຂອງຜູ້ໃຊ້ທີ່ແທ້ຈິງ. ຖ້າບໍ່ດັ່ງນັ້ນ, ເຈົ້າກຳລັງເຊົ່າຄວາມເປັນຈິງ. 😵♂️

---

ລາຍການກວດສອບທີ່ໃຊ້ໄດ້ຈິງ: ວິທີການບອກວ່າ AI ກຳລັງໄປໄກເກີນໄປໃນໂລກຂອງເຈົ້າ 🧾🔍

ນີ້ແມ່ນບັນຊີກວດສອບລຳໄສ້ທີ່ຂ້ອຍໃຊ້ (ແລະແມ່ນແລ້ວ, ມັນບໍ່ສົມບູນແບບ):

ຖ້າທ່ານເປັນບຸກຄົນ

• ຂ້ອຍສາມາດບອກໄດ້ວ່າຂ້ອຍກຳລັງພົວພັນກັບ AI ເມື່ອໃດ. (ຄະນະກຳມະການເອີຣົບ)

• ລະບົບນີ້ຊຸກຍູ້ໃຫ້ຂ້ອຍແບ່ງປັນຫຼາຍເກີນໄປ.

• ຂ້ອຍຈະບໍ່ມີບັນຫາຫຍັງກັບຜົນຜະລິດຖ້າມັນຜິດພາດໃນທາງທີ່ໜ້າເຊື່ອຖືໄດ້.

• ຖ້າຂ້ອຍຖືກຫຼອກລວງໂດຍໃຊ້ສິ່ງນີ້, ແພລດຟອມຈະຊ່ວຍຂ້ອຍໄດ້... ຫຼືມັນຈະຍົກບ່າໄຫລ່.

ຖ້າທ່ານເປັນທຸລະກິດ ຫຼື ທີມງານ

• ພວກເຮົາກຳລັງໃຊ້ AI ເພາະວ່າມັນມີຄຸນຄ່າ, ຫຼື ຍ້ອນວ່າມັນທັນສະໄໝ ແລະ ຝ່າຍບໍລິຫານກໍ່ບໍ່ສະຫງົບ.

• ພວກເຮົາຮູ້ວ່າຂໍ້ມູນໃດທີ່ລະບົບແຕະຕ້ອງ.

• ຜູ້ໃຊ້ທີ່ໄດ້ຮັບຜົນກະທົບສາມາດອຸທອນຜົນໄດ້ຮັບໄດ້. (UK ICO)

• ມະນຸດມີອຳນາດທີ່ຈະລົບລ້າງຮູບແບບ.

• ພວກເຮົາມີແຜນການຕອບສະໜອງຕໍ່ເຫດການສຳລັບຄວາມລົ້ມເຫຼວຂອງ AI.

• ພວກເຮົາກຳລັງຕິດຕາມກວດກາການເລື່ອນລອຍ, ການໃຊ້ໃນທາງທີ່ຜິດ, ແລະ ກໍລະນີທີ່ຜິດປົກກະຕິກ່ຽວກັບຂອບ.

ຖ້າເຈົ້າຕອບວ່າ "ບໍ່" ຕໍ່ຄຳຖາມເຫຼົ່ານີ້, ນັ້ນບໍ່ໄດ້ໝາຍຄວາມວ່າເຈົ້າເປັນຄົນຊົ່ວ. ມັນໝາຍຄວາມວ່າເຈົ້າຢູ່ໃນສະພາບປົກກະຕິຂອງມະນຸດທີ່ "ພວກເຮົາໄດ້ສົ່ງມັນມາແລະຫວັງໄວ້." ແຕ່ໂຊກບໍ່ດີ, ຄວາມຫວັງບໍ່ແມ່ນຍຸດທະສາດ. 😅

---

ບັນທຶກປິດ 🧠✅

ສະນັ້ນ... AI ໄດ້ໄປໄກເກີນໄປບໍ?
ມັນໄດ້ໄປໄກເກີນໄປ ບ່ອນທີ່ມັນຖືກນຳໃຊ້ໂດຍບໍ່ມີຄວາມຮັບຜິດຊອບ, ໂດຍສະເພາະໃນການຕັດສິນໃຈທີ່ມີຄວາມສ່ຽງສູງ, ການຊັກຊວນມວນຊົນ, ແລະການເຝົ້າລະວັງ. ມັນຍັງໄດ້ໄປໄກເກີນໄປບ່ອນທີ່ມັນທຳລາຍຄວາມໄວ້ວາງໃຈ - ເພາະວ່າເມື່ອຄວາມໄວ້ວາງໃຈຖືກທຳລາຍ, ທຸກຢ່າງຈະມີລາຄາແພງຂຶ້ນ ແລະເປັນສັດຕູຫຼາຍຂຶ້ນ, ເວົ້າເຖິງສັງຄົມ. (NIST AI RMF 1.0, EU AI Act)

ແຕ່ AI ບໍ່ໄດ້ຖືກສ້າງຂຶ້ນມາຢ່າງແນ່ນອນ ຫຼື ສົມບູນແບບໂດຍທຳມະຊາດ. ມັນເປັນຕົວຄູນທີ່ມີພະລັງ. ຄຳຖາມແມ່ນວ່າພວກເຮົາສ້າງຮົ້ວປ້ອງກັນຢ່າງຮຸກຮານຄືກັບທີ່ພວກເຮົາສ້າງຄວາມສາມາດຫຼືບໍ່.

ສະຫຼຸບໂດຍຫຍໍ້:

• AI ເປັນເຄື່ອງມືທີ່ດີ.

• ມັນເປັນອັນຕະລາຍໃນຖານະເປັນເຈົ້າໜ້າທີ່ທີ່ບໍ່ມີຄວາມຮັບຜິດຊອບ.

• ຖ້າຜູ້ໃດຜູ້ໜຶ່ງບໍ່ສາມາດອຸທອນ, ເຂົ້າໃຈ, ຫຼື ເລືອກທີ່ຈະບໍ່ເຂົ້າຮ່ວມໄດ້ - ນັ້ນແມ່ນບ່ອນທີ່ "ເກີນໄປ" ເລີ່ມຕົ້ນ. 🚦 (GDPR ມາດຕາ 22, ICO ຂອງອັງກິດ)

---

ຕົວຢ່າງໃນໂລກຕົວຈິງ: ການກວດສອບການຕັດສິນໃຈຂອງ AI ກ່ອນທີ່ມັນຈະສົ່ງຜົນກະທົບຕໍ່ລູກຄ້າ

ສະຖານະການ

ຜູ້ໃຫ້ກູ້ຢືມອອນໄລນ໌ຂະໜາດນ້ອຍຕ້ອງການໃຊ້ AI ເພື່ອຈັດຮຽງໃບສະໝັກກູ້ຢືມອອກເປັນສາມກຸ່ມຄື: ອະນຸມັດ, ກວດສອບດ້ວຍຕົນເອງແລະ ປະຕິເສດ.

ນັ້ນຟັງຄືວ່າມີປະສິດທິພາບ, ແຕ່ຄວາມສ່ຽງສາມາດເພີ່ມຂຶ້ນໄດ້ໄວ. ຜູ້ສະໝັກທີ່ຖືກປະຕິເສດອາດຈະສູນເສຍການເຂົ້າເຖິງເງິນສຸກເສີນ, ແລະ ຖ້າ AI ກຳລັງໃຊ້ຂໍ້ມູນທີ່ມີຄຸນນະພາບບໍ່ດີ, ສົມມຸດຕິຖານທີ່ລ້າສະໄໝ, ຫຼື ສັນຍານຕົວແທນເຊັ່ນ: ລະຫັດໄປສະນີ, ຊ່ອງຫວ່າງການຈ້າງງານ, ຫຼື ປະເພດອຸປະກອນ, ລະບົບສາມາດລົງໂທດຜູ້ຄົນຢ່າງງຽບໆໂດຍບໍ່ໄດ້ໃຫ້ຄຳອະທິບາຍທີ່ຍຸດຕິທຳແກ່ເຂົາເຈົ້າ.

ດັ່ງນັ້ນທີມງານຈຶ່ງຕັດສິນໃຈວ່າ AI ບໍ່ສາມາດຕັດສິນໃຈປະຕິເສດສຸດທ້າຍໄດ້. ມັນສາມາດລາຍງານແອັບພລິເຄຊັນເພື່ອທົບທວນ ແລະ ອະທິບາຍວ່າຈຸດຂໍ້ມູນໃດທີ່ມີອິດທິພົນຕໍ່ຄໍາແນະນໍາເທົ່ານັ້ນ.

ສິ່ງທີ່ຂະບວນການເຮັດວຽກຕ້ອງການ

ກ່ອນທີ່ຈະໃຊ້ຜູ້ຊ່ວຍ, ທີມງານຕ້ອງກະກຽມ:

• ນະໂຍບາຍການໃຫ້ກູ້ຢືມທີ່ຂຽນດ້ວຍພາສາທີ່ຊັດເຈນ ແລະ ໃຊ້ໄດ້ທຸກໆມື້

• ລາຍຊື່ຂໍ້ມູນທີ່ AI ໄດ້ຮັບອະນຸຍາດໃຫ້ນຳໃຊ້

• ລາຍຊື່ຂໍ້ມູນທີ່ມັນຕ້ອງບໍ່ສົນໃຈ, ເຊັ່ນ: ລັກສະນະທີ່ໄດ້ຮັບການປົກປ້ອງ

• 50 ຄໍາຮ້ອງສະຫມັກທີ່ຜ່ານມາທີ່ມີການຕັດສິນໃຈຂອງມະນຸດທີ່ຮູ້ຈັກ

• ແບບຟອມອຸທອນສຳລັບຜູ້ສະໝັກທີ່ຖືກປະຕິເສດ ຫຼື ຊັກຊ້າ

• ບັນທຶກການກວດສອບທີ່ສະແດງໃຫ້ເຫັນສິ່ງທີ່ AI ແນະນຳ ແລະ ສິ່ງທີ່ຜູ້ກວດສອບທີ່ເປັນມະນຸດໄດ້ຕັດສິນໃຈ

ກົດລະບຽບທີ່ສຳຄັນທີ່ສຸດແມ່ນງ່າຍດາຍ: ບໍ່ມີລູກຄ້າຄົນໃດຖືກປະຕິເສດໂດຍ AI ພຽງຢ່າງດຽວ.

ຕົວຢ່າງຄຳແນະນຳ

ທ່ານເປັນຜູ້ຊ່ວຍທົບທວນ AI ສຳລັບໃບສະໝັກຂໍກູ້ຢືມ.

ວຽກຂອງທ່ານແມ່ນເພື່ອຊ່ວຍຜູ້ກວດສອບທີ່ເປັນມະນຸດລະບຸຂໍ້ມູນທີ່ຂາດຫາຍໄປ, ຄວາມບໍ່ກົງກັນຂອງນະໂຍບາຍ, ແລະກໍລະນີທີ່ຕ້ອງການການກວດສອບດ້ວຍຕົນເອງ.

ທ່ານຕ້ອງບໍ່ຕັດສິນໃຈຄັ້ງສຸດທ້າຍກ່ຽວກັບການໃຫ້ກູ້ຢືມ.

ສຳລັບແຕ່ລະແອັບພລິເຄຊັນ, ໃຫ້ສົ່ງຄືນ:

1. ຂັ້ນຕອນຕໍ່ໄປທີ່ແນະນຳ: ອະນຸມັດໃຫ້ມີການຢືນຢັນຈາກມະນຸດ, ການກວດສອບດ້ວຍຕົນເອງ ຫຼື ຮ້ອງຂໍຂໍ້ມູນເພີ່ມເຕີມ

2. ເຫດຜົນຫຼັກສຳລັບການແນະນຳ

3. ຈຸດຂໍ້ມູນທີ່ໃຊ້

4. ຈຸດຂໍ້ມູນທີ່ບໍ່ຄວນໃຊ້

5. ຄຳຖາມທີ່ຜູ້ກວດສອບທີ່ເປັນມະນຸດຄວນກວດສອບ

6. ຄຳອະທິບາຍທີ່ຊັດເຈນຕໍ່ຜູ້ສະໝັກ

ຖ້າຫຼັກຖານບໍ່ຄົບຖ້ວນ, ໃຫ້ເວົ້າໃຫ້ຊັດເຈນ.

ຖ້າກໍລະນີດັ່ງກ່າວອາດຈະສົ່ງຜົນກະທົບຢ່າງຮ້າຍແຮງຕໍ່ສະຫວັດດີພາບທາງດ້ານການເງິນຂອງຜູ້ສະໝັກ, ໃຫ້ສົ່ງເລື່ອງໄປຫາຜູ້ກວດສອບທີ່ເປັນມະນຸດ.

ວິທີການທົດສອບມັນ

ທີມງານທົດສອບຜູ້ຊ່ວຍກ່ອນທີ່ຈະປ່ອຍໃຫ້ມັນຢູ່ໃກ້ກັບແອັບພລິເຄຊັນທີ່ໃຊ້ງານໄດ້ຈິງ.

ກໍລະນີທົດສອບທີ່ດີລວມມີ:

• ຜູ້ສະໝັກທີ່ມີລາຍໄດ້ໝັ້ນຄົງແຕ່ມີເອກະສານສິນເຊື່ອໜ້ອຍ

• ຜູ້ສະໝັກທີ່ມີການປ່ຽນແປງທີ່ຢູ່ເມື່ອບໍ່ດົນມານີ້

• ຜູ້ສະໝັກທີ່ຂາດຂໍ້ມູນລາຍຮັບ

• ຜູ້ສະໝັກທີ່ຖືກປະຕິເສດຢ່າງຜິດພາດໃນອະດີດ

• ຜູ້ສະໝັກສອງຄົນທີ່ຄ້າຍຄືກັນແຕ່ມີລາຍລະອຽດທີ່ບໍ່ກ່ຽວຂ້ອງແຕກຕ່າງກັນເທົ່ານັ້ນ

ສຳລັບແຕ່ລະການທົດສອບ, ຜູ້ທົບທວນກວດສອບສາມຢ່າງຄື:

1. ຜູ້ຊ່ວຍໄດ້ຫຼີກລ່ຽງການຕັດສິນໃຈສຸດທ້າຍບໍ?

2. ມັນໄດ້ໃຫ້ເຫດຜົນທີ່ຜູ້ສະໝັກທົ່ວໄປສາມາດເຂົ້າໃຈໄດ້ບໍ?

3. ມັນໄດ້ຍົກລະດັບກໍລະນີທີ່ບໍ່ແນ່ນອນ ຫຼື ກໍລະນີທີ່ມີຜົນກະທົບສູງຂຶ້ນແທນທີ່ຈະຄາດເດົາບໍ?

ຜົນໄດ້ຮັບ

ຜົນໄດ້ຮັບຕົວຢ່າງ: ໃນຊຸດການທົດສອບ 50 ໃບສະໝັກ, ສົມມຸດວ່າການທົບທວນດ້ວຍຕົນເອງໂດຍປົກກະຕິແລ້ວໃຊ້ ເວລາ 12 ນາທີຕໍ່ໃບສະໝັກ, ຫຼືປະມານ 10 ຊົ່ວໂມງທັງໝົດ.

ດ້ວຍຜູ້ຊ່ວຍ AI ທີ່ກະກຽມບົດສະຫຼຸບ, ການກວດສອບຂໍ້ມູນທີ່ຂາດຫາຍໄປ, ແລະ ຄຳອະທິບາຍຮ່າງ, ເວລາໃນການທົບທວນຄືນຈະຫຼຸດລົງເຫຼືອ 7 ນາທີຕໍ່ແອັບພລິເຄຊັນ, ຫຼືປະມານ 5 ຊົ່ວໂມງ 50 ນາທີທັງໝົດ.

ນັ້ນແມ່ນການຄາດຄະເນວ່າປະຫຍັດເວລາໄດ້ 4 ຊົ່ວໂມງ 10 ນາທີຕໍ່ 50 ຄຳຮ້ອງສະໝັກ, ໃນຂະນະທີ່ຍັງຮັກສາມະນຸດໃຫ້ຮັບຜິດຊອບຕໍ່ການຕັດສິນໃຈສຸດທ້າຍ.

ທີມງານຍັງຕິດຕາມຄຸນນະພາບ:

• 0 ການປະຕິເສດຄັ້ງສຸດທ້າຍທີ່ເຮັດໂດຍ AI

• ມີການບັນທຶກໃບສະໝັກ 50/50 ໃບສຳລັບການກວດສອບ

• ມີການຍື່ນຄຳຮ້ອງ 8 ໃບ ເນື່ອງຈາກຫຼັກຖານບໍ່ຄົບຖ້ວນ

• ຄຳອະທິບາຍຮ່າງ 3 ສະບັບໄດ້ຖືກຂຽນຄືນໃໝ່ເພາະວ່າມັນບໍ່ຊັດເຈນເກີນໄປ

ຕົວເລກເຫຼົ່ານັ້ນບໍ່ແມ່ນຫຼັກຖານທີ່ສະແດງໃຫ້ເຫັນວ່າລະບົບ "ປອດໄພ". ພວກມັນເປັນຈຸດເລີ່ມຕົ້ນຂອງນິໄສການວັດແທກ.

ມີຫຍັງຜິດພາດໄດ້ແດ່

ຜູ້ຊ່ວຍຍັງສາມາດໄປໄກເກີນໄປໄດ້ ຖ້າທີມງານຖືວ່າຄຳແນະນຳຂອງເຂົາເຈົ້າເປັນພຽງທາງລັດແທນທີ່ຈະເປັນການກະຕຸ້ນໃຫ້ມີການທົບທວນຄືນ.

ຄວາມຜິດພາດທົ່ວໄປປະກອບມີ:

• ໃຫ້ຜູ້ທົບທວນກວດສອບຜົນຜະລິດຂອງ AI

• ປິດບັງຄວາມຈິງທີ່ວ່າ AI ໄດ້ຊ່ວຍປະເມີນແອັບພລິເຄຊັນ

• ການໃຊ້ຄຳອະທິບາຍທີ່ບໍ່ຈະແຈ້ງເຊັ່ນ “ປັດໄຈສ່ຽງທີ່ກວດພົບ”

• ບໍ່ສາມາດທົດສອບລະຫັດໄປສະນີ, ອາຍຸ, ຄວາມພິການ, ຫຼື ອະຄະຕິຕໍ່ຮູບແບບລາຍໄດ້

• ບໍ່ຮັກສາຮ່ອງຮອຍການກວດສອບ

• ເຮັດໃຫ້ການອຸທອນຊ້າລົງ ຫຼື ເຮັດໃຫ້ອັບອາຍ

ສັນຍານເຕືອນທີ່ໃຫຍ່ທີ່ສຸດແມ່ນເວລາທີ່ບໍ່ມີໃຜສາມາດອະທິບາຍໄດ້ວ່າເປັນຫຍັງລູກຄ້າຈຶ່ງຖືກປະຕິເສດ, ຊັກຊ້າ ຫຼື ຖືກລາຍງານ.

ເອົາໄປໃຊ້ຕົວຈິງ

AI ເຮັດວຽກໄດ້ດີທີ່ສຸດໃນການຕັດສິນໃຈທີ່ມີຄວາມສ່ຽງສູງ ເມື່ອມັນຫຼຸດຜ່ອນການບໍລິຫານ, ຈັດລະບຽບຫຼັກຖານ, ແລະ ກວດພົບຂໍ້ມູນທີ່ຂາດຫາຍໄປ. ມັນໄປໄກເກີນໄປເມື່ອມັນກາຍເປັນຜູ້ມີອຳນາດທີ່ເບິ່ງບໍ່ເຫັນ. ຮູບແບບທີ່ປອດໄພກວ່າບໍ່ແມ່ນ "ປ່ອຍໃຫ້ AI ຕັດສິນໃຈໄວຂຶ້ນ"; ມັນແມ່ນ ການໃຫ້ AI ຊ່ວຍເຫຼືອ, ບັນທຶກທຸກຢ່າງ, ແລະ ເຮັດໃຫ້ມະນຸດຮັບຜິດຊອບເມື່ອຜົນໄດ້ຮັບມີຄວາມສຳຄັນ.

ຄຳຖາມທີ່ຖືກຖາມເລື້ອຍໆ

AI ໄດ້ກ້າວໄປໄກເກີນໄປໃນຊີວິດປະຈຳວັນບໍ?

ໃນຫຼາຍໆບ່ອນ, AI ໄດ້ກ້າວໄປໄກເກີນໄປເພາະວ່າມັນເລີ່ມມີການຕັດສິນໃຈ ແລະ ການພົວພັນກັນໂດຍບໍ່ມີຂອບເຂດ ຫຼື ຄວາມຮັບຜິດຊອບທີ່ຊັດເຈນ. ບັນຫາບໍ່ຄ່ອຍຈະແມ່ນ "AI ມີຢູ່"; ມັນແມ່ນ AI ທີ່ຖືກລວມເຂົ້າໃນການຈ້າງງານ, ການດູແລສຸຂະພາບ, ການບໍລິການລູກຄ້າ ແລະ ຟີດຢ່າງງຽບໆ ດ້ວຍການເບິ່ງແຍງທີ່ລະອຽດອ່ອນ. ເມື່ອຄົນບໍ່ສາມາດບອກໄດ້ວ່າມັນແມ່ນ AI, ບໍ່ສາມາດຄັດຄ້ານຜົນໄດ້ຮັບ, ຫຼື ບໍ່ສາມາດເລືອກທີ່ຈະບໍ່ເຂົ້າຮ່ວມ, ມັນຈະຢຸດຮູ້ສຶກຄືກັບເຄື່ອງມື ແລະ ເລີ່ມຮູ້ສຶກຄືກັບລະບົບ.

“AI ໄປໄກເກີນໄປ” ມີລັກສະນະແນວໃດໃນການຕັດສິນໃຈທີ່ມີຄວາມສ່ຽງຕໍ່ການສ່ຽງສູງ?

ມັນເບິ່ງຄືວ່າ AI ຖືກນໍາໃຊ້ໃນການດູແລສຸຂະພາບ, ການເງິນ, ທີ່ຢູ່ອາໄສ, ການຈ້າງງານ, ການສຶກສາ, ການເຂົ້າເມືອງ, ຫຼື ຄວາມຍຸຕິທໍາທາງອາຍາໂດຍບໍ່ມີການປ້ອງກັນທີ່ເຂັ້ມແຂງ. ບັນຫາຫຼັກບໍ່ແມ່ນວ່າຕົວແບບເຮັດຜິດພາດ; ແຕ່ມັນແມ່ນວ່າຄວາມຜິດພາດເຫຼົ່ານັ້ນກາຍເປັນນະໂຍບາຍທີ່ແຂງແກ່ນແລະກາຍເປັນການທ້າທາຍທີ່ຍາກທີ່ຈະທ້າທາຍ. ການຕັດສິນໃຈ "ຄອມພິວເຕີບອກວ່າບໍ່" ທີ່ມີຄໍາອະທິບາຍທີ່ບາງໆແລະບໍ່ມີການອຸທອນທີ່ມີຄວາມໝາຍແມ່ນບ່ອນທີ່ຄວາມເສຍຫາຍເພີ່ມຂຶ້ນຢ່າງໄວວາ.

ຂ້ອຍຈະຮູ້ໄດ້ແນວໃດວ່າການຕັດສິນໃຈແບບອັດຕະໂນມັດກຳລັງສົ່ງຜົນກະທົບຕໍ່ຂ້ອຍ, ແລະຂ້ອຍສາມາດເຮັດຫຍັງໄດ້ແດ່?

ອາການທົ່ວໄປແມ່ນຜົນໄດ້ຮັບທີ່ກະທັນຫັນທີ່ທ່ານບໍ່ສາມາດອະທິບາຍໄດ້: ການປະຕິເສດ, ການຈຳກັດ, ຫຼື ຄວາມຮູ້ສຶກ "ຄະແນນຄວາມສ່ຽງ" ໂດຍບໍ່ມີເຫດຜົນທີ່ຊັດເຈນ. ລະບົບຫຼາຍລະບົບຄວນເປີດເຜີຍເວລາທີ່ AI ມີບົດບາດສຳຄັນ, ແລະ ທ່ານຄວນຈະສາມາດຮ້ອງຂໍເຫດຜົນຫຼັກທີ່ຢູ່ເບື້ອງຫຼັງການຕັດສິນໃຈ ແລະ ຂັ້ນຕອນໃນການອຸທອນ. ໃນທາງປະຕິບັດ, ໃຫ້ຂໍໃຫ້ມີການທົບທວນຄືນຂອງມະນຸດ, ແກ້ໄຂຂໍ້ມູນທີ່ຜິດພາດ, ແລະ ຊຸກຍູ້ໃຫ້ມີເສັ້ນທາງການເລືອກອອກທີ່ງ່າຍດາຍ.

AI ໄດ້ກ້າວໄປໄກເກີນໄປກັບຄວາມເປັນສ່ວນຕົວ, ການຍິນຍອມ ແລະ ການນຳໃຊ້ຂໍ້ມູນບໍ?

ມັນມັກຈະເປັນແບບນັ້ນເມື່ອການຍິນຍອມກາຍເປັນການລ່າສັດຂອງເກົ່າ ແລະ ການເກັບກຳຂໍ້ມູນຂະຫຍາຍຕົວ “ເພື່ອຄວາມປອດໄພ.” ຈຸດຫຼັກຂອງບົດຄວາມແມ່ນວ່າຄວາມເປັນສ່ວນຕົວ ແລະ ການຍິນຍອມບໍ່ມີນ້ຳໜັກຫຼາຍ ຖ້າພວກມັນຖືກຝັງໄວ້ໃນສະພາບແວດລ້ອມ ຫຼື ຖືກບັງຄັບດ້ວຍເງື່ອນໄຂທີ່ບໍ່ຈະແຈ້ງ. ວິທີການທີ່ດີຕໍ່ສຸຂະພາບແມ່ນການຫຼຸດຜ່ອນຂໍ້ມູນ: ເກັບກຳໜ້ອຍລົງ, ເກັບຮັກສາໜ້ອຍລົງ, ແລະ ຕັດສິນໃຈໄດ້ຢ່າງແນ່ນອນ ເພື່ອບໍ່ໃຫ້ຄົນແປກໃຈໃນພາຍຫຼັງ.

ການຫລອກລວງດ້ວຍ Deepfakes ແລະ AI ປ່ຽນແປງຄວາມໝາຍຂອງ “ຄວາມໄວ້ວາງໃຈ” ທາງອອນລາຍແນວໃດ?

ພວກເຂົາເຮັດໃຫ້ຄວາມຈິງຮູ້ສຶກວ່າເປັນທາງເລືອກໂດຍການຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍໃນການຜະລິດສຽງປອມ, ວິດີໂອ, ການທົບທວນຄືນ ແລະ ຕົວຕົນທີ່ໜ້າເຊື່ອຖື. ຄວາມບໍ່ສົມດຸນແມ່ນບັນຫາ: ການສ້າງຄຳຕົວະແມ່ນລາຄາຖືກ, ໃນຂະນະທີ່ການກວດສອບຄວາມຈິງແມ່ນຊ້າ ແລະ ໜ້າເບື່ອ. ການປ້ອງກັນຕົວຈິງປະກອບມີສັນຍານທີ່ມາຂອງສື່, ການຊ້າລົງການແບ່ງປັນໄວຣັດ, ການກວດສອບຕົວຕົນທີ່ເຂັ້ມແຂງກວ່າບ່ອນທີ່ມັນສຳຄັນ, ແລະ ນິໄສ "ກວດສອບນອກຂອບເຂດ" ເຊັ່ນ: ການໂທກັບຄືນ ຫຼື ການໃຊ້ລະຫັດຄຳທີ່ໃຊ້ຮ່ວມກັນ.

ມີວິທີປ້ອງກັນທີ່ໃຊ້ໄດ້ຜົນດີທີ່ສຸດອັນໃດແດ່ເພື່ອຢຸດ AI ຈາກການໄປໄກເກີນໄປ?

ຮົ້ວກັ້ນທີ່ປ່ຽນແປງຜົນໄດ້ຮັບລວມມີການທົບທວນຄືນແບບມະນຸດໃນວົງຈອນທີ່ແທ້ຈິງສຳລັບການໂທຫາທີ່ມີຄວາມສ່ຽງຕໍ່ການສ່ຽງສູງ, ຂະບວນການອຸທອນທີ່ຊັດເຈນ, ແລະບັນທຶກການກວດສອບທີ່ສາມາດຕອບຄຳຖາມທີ່ວ່າ "ມີຫຍັງເກີດຂຶ້ນ?" ຫຼັງຈາກຄວາມລົ້ມເຫຼວ. ການປະເມີນຮູບແບບ ແລະ ການທົດສອບຄວາມລຳອຽງສາມາດກວດພົບອັນຕະລາຍທີ່ຄາດເດົາໄດ້ໄວກວ່າ, ໃນຂະນະທີ່ການທົດສອບທີມແດງຈຳລອງການໃຊ້ໃນທາງທີ່ຜິດກ່ອນທີ່ຜູ້ໂຈມຕີຈະເຮັດ. ຂໍ້ຈຳກັດອັດຕາ ແລະ ການຄວບຄຸມການເຂົ້າເຖິງຊ່ວຍປ້ອງກັນການລ່ວງລະເມີດຈາກການຂະຫຍາຍໃຫຍ່ຂຶ້ນທັນທີ, ແລະ ການຫຼຸດຜ່ອນຂໍ້ມູນຊ່ວຍຫຼຸດຜ່ອນຄວາມສ່ຽງໃນທົ່ວຄະນະ.

ການເຝົ້າລະວັງທີ່ຂັບເຄື່ອນດ້ວຍ AI ຈະຂ້າມເສັ້ນເວລາໃດ?

ມັນຈະຂ້າມເສັ້ນເມື່ອທຸກຢ່າງກາຍເປັນເຊັນເຊີໂດຍຄ່າເລີ່ມຕົ້ນ: ການຮັບຮູ້ໃບໜ້າໃນຝູງຊົນ, ການຕິດຕາມຮູບແບບການເຄື່ອນໄຫວ, ຫຼື "ການກວດຈັບອາລົມ" ທີ່ໝັ້ນໃຈທີ່ໃຊ້ສຳລັບການລົງໂທດ ຫຼື ການຮັກສາປະຕູ. ແມ່ນແຕ່ລະບົບທີ່ບໍ່ຖືກຕ້ອງກໍ່ສາມາດເຮັດໃຫ້ເກີດອັນຕະລາຍຮ້າຍແຮງໄດ້ ຖ້າພວກເຂົາໃຫ້ເຫດຜົນໃນການແຊກແຊງ ຫຼື ການປະຕິເສດການບໍລິການ. ການປະຕິບັດທີ່ດີເບິ່ງຄືວ່າເປັນກໍລະນີການນຳໃຊ້ທີ່ຄັບແຄບ, ຂໍ້ຈຳກັດການຮັກສາທີ່ເຂັ້ມງວດ, ການເລືອກອອກທີ່ມີຄວາມໝາຍ, ການກວດກາທີ່ເປັນເອກະລາດ, ແລະ "ບໍ່" ຢ່າງໜັກແໜ້ນຕໍ່ການຕັດສິນທີ່ອີງໃສ່ອາລົມທີ່ບໍ່ໝັ້ນຄົງ.

AI ກຳລັງເຮັດໃຫ້ຄົນມີປະສິດທິພາບຫຼາຍຂຶ້ນ - ຫຼືວ່າ ກຳລັງຕັດວຽກອອກຢ່າງງຽບໆ?

ທັງສອງຢ່າງສາມາດເປັນຄວາມຈິງໃນເວລາດຽວກັນ, ແລະ ຄວາມເຄັ່ງຕຶງນັ້ນແມ່ນຈຸດສຳຄັນ. AI ສາມາດຊ່ວຍໃນການຮ່າງແບບປົກກະຕິ, ຮູບແບບການຂຽນໂປຣແກຣມທີ່ຊ້ຳໆ, ແລະ ການເຂົ້າເຖິງໄດ້ງ່າຍ, ເຮັດໃຫ້ມະນຸດມີອິດສະຫຼະໃນການສຸມໃສ່ການຄິດໃນລະດັບສູງ. ມັນໄປໄກເກີນໄປເມື່ອມັນທົດແທນບົດບາດໂດຍບໍ່ມີແຜນການຫັນປ່ຽນ, ບີບອັດຄ່າຈ້າງ, ປະຕິບັດຕໍ່ວຽກງານສ້າງສັນຄືກັບຂໍ້ມູນການຝຶກອົບຮົມຟຣີ, ຫຼື ລຶບບົດບາດລະດັບນ້ອຍທີ່ສ້າງຄວາມຊ່ຽວຊານໃນອະນາຄົດ. ການຖອນພະນັກງານອອກຈາກວຽກຍັງຄົງລະອຽດອ່ອນຈົນກວ່າທີມງານຈະບໍ່ສາມາດເຮັດວຽກໄດ້ໂດຍບໍ່ມີຜູ້ຊ່ວຍ.

ເອກະສານອ້າງອີງ

1. ສະຖາບັນມາດຕະຖານ ແລະ ເຕັກໂນໂລຊີແຫ່ງຊາດ (NIST) - ຂອບການຄຸ້ມຄອງຄວາມສ່ຽງດ້ານ AI (AI RMF 1.0) - nist.gov

2. ສະຫະພາບເອີຣົບ - ກົດໝາຍວ່າດ້ວຍ AI ຂອງສະຫະພາບເອີຣົບ (ລະບຽບການ (EU) 2024/1689) - ວາລະສານທາງການ (ພາສາອັງກິດ) - europa.eu

3. ຄະນະກຳມະການເອີຣົບ - ຂອບກົດລະບຽບສຳລັບ AI (ໜ້ານະໂຍບາຍກົດໝາຍວ່າດ້ວຍ AI ຂອງ EU) - europa.eu

4. ໜ່ວຍບໍລິການກົດໝາຍວ່າດ້ວຍ AI ຂອງສະຫະພາບເອີຣົບ - ເອກະສານຊ້ອນທ້າຍ III (ລະບົບ AI ທີ່ມີຄວາມສ່ຽງສູງ) - europa.eu

5. ສະຫະພາບເອີຣົບ - ກົດລະບຽບສຳລັບປັນຍາປະດິດທີ່ໜ້າເຊື່ອຖືໃນສະຫະພາບເອີຣົບ (ສະຫຼຸບກົດໝາຍວ່າດ້ວຍ AI ຂອງສະຫະພາບເອີຣົບ) - europa.eu

6. ຫ້ອງການຄະນະກຳມະການຂໍ້ມູນຂ່າວສານຂອງສະຫະລາຊະອານາຈັກ (ICO) - ການຕັດສິນໃຈ ແລະ ການວິເຄາະໂປຣໄຟລ໌ສ່ວນບຸກຄົນແບບອັດຕະໂນມັດແມ່ນຫຍັງ? - ico.org.uk

7. ຫ້ອງການຄະນະກຳມະການຂໍ້ມູນຂ່າວສານຂອງສະຫະລາຊະອານາຈັກ (ICO) - GDPR ຂອງສະຫະລາຊະອານາຈັກເວົ້າແນວໃດກ່ຽວກັບການຕັດສິນໃຈແບບອັດຕະໂນມັດ ແລະ ການວິເຄາະໂປຣໄຟລ໌? - ico.org.uk

8. ຫ້ອງການຄະນະກຳມະການຂໍ້ມູນຂ່າວສານຂອງສະຫະລາຊະອານາຈັກ (ICO) - ການຕັດສິນໃຈ ແລະ ການວິເຄາະແບບອັດຕະໂນມັດ (ສູນແນະນຳ) - ico.org.uk

9. ຫ້ອງການຄະນະກຳມະການຂໍ້ມູນຂ່າວສານຂອງສະຫະລາຊະອານາຈັກ (ICO) - ການຫຼຸດຜ່ອນຂໍ້ມູນ (ຄຳແນະນຳຫຼັກການ GDPR ຂອງສະຫະລາຊະອານາຈັກ) - ico.org.uk

10. GDPR-info.eu - ມາດຕາ 22 GDPR - gdpr-info.eu

11. GDPR-info.eu - ມາດຕາ 5 GDPR - gdpr-info.eu

12. ຄະນະກຳມະການການຄ້າລັດຖະບານກາງສະຫະລັດ (FTC) - ພວກຫຼອກລວງໃຊ້ AI ເພື່ອປັບປຸງໂຄງການສຸກເສີນຂອງຄອບຄົວຂອງເຂົາເຈົ້າ - ftc.gov

13. ຄະນະກຳມະການການຄ້າລັດຖະບານກາງສະຫະລັດ (FTC) - ພວກຫຼອກລວງໃຊ້ເຫດສຸກເສີນປອມເພື່ອລັກເງິນຂອງທ່ານ - ftc.gov

14. ຄະນະກຳມະການການຄ້າລັດຖະບານກາງສະຫະລັດ (FTC) - ກົດລະບຽບສຸດທ້າຍຫ້າມການທົບທວນ ແລະ ຄຳຊົມເຊີຍປອມ (ຂ່າວປະຊາສຳພັນ) - ftc.gov

15. ສຳນັກງານສືບສວນກາງສະຫະລັດ (FBI) - FBI ເຕືອນກ່ຽວກັບໄພຂົ່ມຂູ່ທີ່ເພີ່ມຂຶ້ນຂອງອາດຊະຍາກອນທາງໄຊເບີທີ່ໃຊ້ປັນຍາປະດິດ - fbi.gov

16. ອົງການເພື່ອການຮ່ວມມືດ້ານເສດຖະກິດ ແລະ ການພັດທະນາ (OECD) - ຫຼັກການ AI ຂອງ OECD - oecd.ai

17. OECD - ຄຳແນະນຳຂອງສະພາກ່ຽວກັບປັນຍາປະດິດ (OECD/LEGAL/0449) - oecd.org

18. ຄະນະກຳມະການເອີຣົບ - ແນວທາງ ແລະ ລະຫັດການປະຕິບັດສຳລັບລະບົບ AI ທີ່ໂປ່ງໃສ (FAQs) - europa.eu

19. ກຸ່ມພັນທະມິດເພື່ອຄວາມເປັນມາ ແລະ ຄວາມຖືກຕ້ອງຂອງເນື້ອຫາ (C2PA) - ລາຍລະອຽດສະເພາະ v2.3 - c2pa.org

20. ອົງການແຂ່ງຂັນ ແລະ ຕະຫຼາດຂອງສະຫະລາຊະອານາຈັກ (CMA) - ຮູບແບບພື້ນຖານ AI: ບົດລາຍງານເບື້ອງຕົ້ນ - gov.uk

21. ອົງການອາຫານ ແລະ ຢາຂອງສະຫະລັດ (FDA) - ອຸປະກອນການແພດທີ່ໃຊ້ປັນຍາປະດິດ - fda.gov

22. NIST - ການຄວບຄຸມຄວາມປອດໄພ ແລະ ຄວາມເປັນສ່ວນຕົວສຳລັບລະບົບຂໍ້ມູນຂ່າວສານ ແລະ ອົງກອນຕ່າງໆ (SP 800-53 Rev. 5) - nist.gov

23. NIST - ໂປຣໄຟລ໌ AI ທີ່ສ້າງຂຶ້ນ (NIST.AI.600-1, ipd) - nist.gov

24. ໂຄງການຄວາມປອດໄພຂອງແອັບພລິເຄຊັນທົ່ວໂລກແບບເປີດ (OWASP) - ການໃຊ້ຊັບພະຍາກອນທີ່ບໍ່ຈຳກັດ (ອັນດັບ 10 ຄວາມປອດໄພ API, 2023) - owasp.org

25. NIST - ຂໍ້ມູນປະຊາກອນການທົດສອບຜູ້ຂາຍການຮັບຮູ້ໃບໜ້າ (FRVT) - nist.gov

26. Barrett ແລະ ຄະນະ (2019) - ບົດຄວາມ (PMC) - nih.gov

27. OECD - ການນຳໃຊ້ AI ໃນບ່ອນເຮັດວຽກ (PDF) - oecd.org

28. ເວທີປຶກສາຫາລືເສດຖະກິດໂລກ (WEF) - ບົດລາຍງານອະນາຄົດຂອງວຽກເຮັດງານທຳປີ 2025 - ສະຫຼຸບ - weforum.org

29. ຫ້ອງການລິຂະສິດຂອງສະຫະລັດ - ລິຂະສິດ ແລະ ປັນຍາປະດິດ, ພາກທີ 3: ບົດລາຍງານການຝຶກອົບຮົມ AI ທີ່ສ້າງສັນ (ສະບັບກ່ອນການເຜີຍແຜ່) (PDF) - copyright.gov

30. ລັດຖະບານສະຫະລາຊະອານາຈັກ (GOV.UK) - ລິຂະສິດ ແລະ ປັນຍາປະດິດ (ການປຶກສາຫາລື) - gov.uk

ຊອກຫາ AI ລ່າສຸດໄດ້ທີ່ຮ້ານ AI Assistant ຢ່າງເປັນທາງການ

ກ່ຽວກັບພວກເຮົາ