ความสำเร็จในด้านปัญญาประดิษฐ์ขึ้นอยู่กับการวางแผนอย่างรอบคอบ หน่วยงานต่างๆ ต้องสร้างสิ่งที่ Jesse Rowlands จาก Defense Logistics Agency เรียกว่าระบบนิเวศ AI ก่อนที่ DLA ซึ่งจำเป็นต้องตอบคำถามสี่ข้อ Rowlands เจ้าหน้าที่ยุทธศาสตร์ AI ของหน่วยงานกล่าวขณะพูดในแผงการใช้งาน AI ที่จัดโดย Federal News Network และ Noblis : “เรามีข้อมูลอยู่แล้วหรือไม่? เรามีโครงสร้างพื้นฐานและเครื่องมือหรือไม่? เรามีผู้เชี่ยวชาญด้านนักวิทยาศาสตร์ข้อมูลเพื่ออำนวยความสะดวกในโครงการเหล่านี้หรือไม่? และเรามีโครงสร้างการกำกับดูแลนั้นหรือไม่”
ในการอภิปรายแยกต่างหาก เราได้กล่าวถึงวิธีการเตรียมตัวสำหรับ
โครงการ AI อ่านเพิ่มเติมในบทความนี้ “ ความสำเร็จของ AI เริ่มต้นนานก่อนที่คุณจะใช้ข้อมูลกับอัลกอริทึม ” ในการอภิปรายครั้งที่สองนี้ ผู้ร่วมอภิปรายของเราได้พูดคุยเกี่ยวกับวิธีการที่เมื่อทำงานพื้นฐานแล้ว เอเจนซี่จะสามารถดำเนินการตามแผน AI ของตนได้ดีที่สุด
สำหรับ AI ให้เริ่มต้นจากขนาดเล็กและขยายขนาด
Rowlands เตือนไม่ให้เปรียบเทียบแอปพลิเคชันของรัฐบาลกลางและเชิงพาณิชย์ในโดเมนที่คล้ายกันอย่างใกล้ชิดเกินไป เจ้าหน้าที่ DLA พิจารณาผู้จัดจำหน่ายสินค้าขนาดใหญ่รายอื่น เช่น ผู้ค้าปลีกรายใหญ่ เขากล่าว แต่เสริมว่าความแตกต่างที่สำคัญคือการยอมรับความเสี่ยง
“หากกระดาษชำระของ Walmart หมด ก็ไม่ใช่เรื่องใหญ่ หากนักรบสู้รบขาดส่วนที่สำคัญ นั่นคือปัญหาอื่น” โรว์แลนด์กล่าว
เนื่องจากรูปแบบความต้องการจากลูกค้าที่ถูกบังคับติดอาวุธของ DLA อาจคาดเดาได้ยาก การลดความเสี่ยงจึงเป็นองค์ประกอบสำคัญในโครงการ AI ของ DLA เขากล่าว ในทางกลับกัน การลดความเสี่ยงนั้นต้องการวิธีการทำซ้ำๆ สำหรับ AI การปรับใช้อย่างรวดเร็วแต่ยังทำการปรับเปลี่ยนอย่างรวดเร็วอีกด้วย
“โครงการใดก็ตามที่เราต้องการทำในอนาคต เราสามารถผ่านท่อส่งนั้นได้อย่างรวดเร็ว เราสามารถทำซ้ำได้ เราสามารถทดลองได้” Rowlands กล่าว “และที่สำคัญกว่านั้น เราสามารถเรียนรู้ได้จากสิ่งที่เราเคยทำมาในอดีต”
นักบิน AI เป็นวิธีที่ดีในการดำเนินการ Chris Barnett ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยี
ของ Noblis ให้คำแนะนำ เขาบอกว่าเขาเห็นแนวทางนั้นบ่อยครั้งในรัฐบาล นักบินมักจะมุ่งเน้นไปที่การประยุกต์ใช้ AI หรือระบบอัตโนมัติในการทำให้งานเฉพาะมีประสิทธิภาพมากขึ้น
ความสำคัญเท่าเทียมกันในการนำไปใช้คือการมีข้อมูลที่สมบูรณ์ บางครั้ง สำหรับอัลกอริทึมการฝึก อาจมีช่องว่างของข้อมูล หากเป็นเช่นนั้น หน่วยงานต่างๆ ควรพิจารณาใช้ข้อมูลที่สร้างขึ้นโดยสังเคราะห์ แนะนำ Taka Ariga หัวหน้านักวิทยาศาสตร์ด้านข้อมูลและผู้อำนวยการของ Innovation Lab ที่สำนักงานความรับผิดชอบของรัฐบาล
ข้อมูลสังเคราะห์สามารถช่วยนำทางอัลกอริทึมออกจากอคติที่สามารถเล็ดลอดเข้ามาได้ Ariga กล่าว GAO ได้ใช้ข้อมูลสังเคราะห์เพื่อสร้างแบบจำลองผลลัพธ์ของการควบคุมทางการเงินที่แตกต่างกันเกี่ยวกับปัญหาการจ่ายเงินที่ไม่เหมาะสม เป็นต้น
AI ที่เป็นทั้งเพื่อและเกี่ยวกับผู้คน
ความสำเร็จในการใช้ความคิดริเริ่มของ AI ไม่น่าแปลกใจที่ต้องพึ่งพาผู้คนในสองสามวิธี ผู้ร่วมอภิปรายทั้งหมดเห็นพ้องต้องกันว่าหน่วยงานต่าง ๆ มองว่า AI เป็นตัวช่วยมากกว่าเทคโนโลยีที่จะมาแทนที่พนักงานของรัฐบาลกลาง เป้าหมายโดยทั่วไปคือการเพิ่มเวลาให้กับผู้คน เพื่อให้พวกเขาสามารถทำงานประจำน้อยลง และมุ่งเน้นไปที่การวิเคราะห์และการวางแผนระดับสูงแทน
“เราจะเสริมมนุษย์ได้อย่างไรเพื่อให้งานที่พวกเขาทำเร็วขึ้น และ [เรากำลัง] ลดภาระบางอย่าง” Rajiv Uppal หัวหน้าเจ้าหน้าที่สารสนเทศของศูนย์บริการ Medicare & Medicaid กล่าว
ตัวอย่างเช่น เขาอ้างถึงกระบวนการที่ใช้เวลานานหลายเดือนและลำบากในการจัดทำเอกสารเกี่ยวกับการควบคุมความปลอดภัยตามการขออำนาจดำเนินการ (ATO) สำหรับโปรแกรมซอฟต์แวร์ใหม่ CMS กำลังทดลองกับการประมวลผลภาษาธรรมชาติ โดยนำไปใช้กับฐานข้อมูลของการควบคุมเพื่อลดภาระบางอย่าง Uppal กล่าว
ความสำเร็จในการดำเนินการยังขึ้นอยู่กับการมีพนักงานที่มีทักษะด้าน AI เพียงพอ Uppal กล่าว “เรามีโครงการลดกำลังคนที่เราเรียกว่าความยืดหยุ่นของกำลังคน” เขากล่าว “เรามีเส้นทางมากมายสำหรับพนักงานของเราเพื่อเพิ่มพูนทักษะในการออกแบบที่เน้นมนุษย์เป็นศูนย์กลาง ซึ่งเป็นองค์ประกอบสำคัญของวิธีดำเนินการต่างๆ ของเรา” มีเส้นทางอื่น ๆ ที่มุ่งเน้นไปที่วิทยาศาสตร์ข้อมูลและการจัดการผลิตภัณฑ์
Ariga ของ GAO กล่าวว่าผู้ที่จัดการกับ AI ต้องเข้าใจวิธีจัดการกับผลลัพธ์ที่โดยทั่วไปไม่ใช่ไบนารี่ “สิ่งที่ออกมาจาก AI มักจะมีความน่าจะเป็น แล้วคุณจะตีความความเป็นไปได้ 67% ของสิ่งที่เกิดขึ้นได้อย่างไร? คุณบรรยายบทสนทนานั้นอย่างไร” เขาพูดว่า.
Credit : ยูฟ่าสล็อต