Choć dane mają potencjał, aby znacząco pobudzić gospodarkę Wielkiej Brytanii, powiązania między danymi i sztuczną inteligencją nie są dostatecznie poznane.
Jeśli chcemy wykorzystać ten potencjał i uczynić Wielką Brytanię światowym supermocarstwem w dziedzinie sztucznej inteligencji, Krajowa strategia AI zamierza zrobić, musimy opanować infrastrukturę danych, aby w pełni zrealizować tę wizję. Przed nami wiele wyzwań, od niedoboru podstawowych umiejętności dotyczących danych po obawy dotyczące wiarygodności danych i obawy dotyczące udostępniania danych, które wymagają pilnej uwagi, jeżeli chcemy skorzystać z możliwości AI.
Każda organizacja jest organizacją danych
W XXI wieku każda organizacja jest organizacją danych i musi rozważyć, w jaki sposób wykorzystuje dane i jaką rolę odgrywają w szerszych ekosystemach danych.Ponieważ zarówno sektor publiczny, jak i prywatny coraz bardziej polegają na danych i nowych technologiach — w tym sztucznej inteligencji — aby zwiększać wydajność i ulepszać usługi i produkty, wszyscy musimy mieć większą pewność, jeżeli chodzi o zrozumienie szans i ograniczeń.
Utrzymują się różnice w dostępie do danych i informacji, co powoduje przepaść cyfrowa co utrudnia postęp społeczny i rozwój gospodarczy. Około 30% populacji Wielkiej Brytanii twierdzi, iż nie słyszało o żadnym z najbardziej znanych produktów generatywnej AI, w tym ChatGPT2. Ci którzy są osoby znające nowe narzędzia sztucznej inteligencji generatywnej nie zawsze zdają sobie sprawę z tego, jak Należy je wykorzystywać w sposób produktywny i odpowiedzialny.
Niedobór umiejętności związanych z danymi
Według raportu Peak AI Benchmarking (2022), brytyjskie firmy znacznie odstają od Indii i USA pod względem dojrzałości danych, przy czym mniej organizacji w Wielkiej Brytanii korzysta ze sztucznej inteligencji lub ma jasne standardy gromadzenia i przetwarzania danych. Lloyds Bank odkrył, iż dziesięć milionów ludzi w Wielkiej Brytanii nie ma podstawowych umiejętności cyfrowych w codziennym życiuWedług Industrial Strategy Council „do 2030 r. pięć milionów pracowników może stać się poważnie niedokwalifikowanych w zakresie podstawowych umiejętności cyfrowych”.
Ten brak umiejętności w zakresie danych może mieć wpływ na konkurencyjność Wielkiej Brytanii. Na przykład korzystanie ze sztucznej inteligencji jako drugich pilotów do ogólnych zadań biurowych, takich jak przetwarzanie wiadomości e-mail, pisanie dokumentów lub tworzenie slajdów, wymaga zrozumienia, jak działają te technologie, na jakich danych polegają i jakie mają ograniczenia. To jedyny sposób, w jaki pracownicy mogą zweryfikować to, co generuje sztuczna inteligencja, która ma tendencję do zmyślania faktów.
Kamień węgielny umiejętności korzystania z danych
Rząd uznał znaczenie umiejętności związanych z danymi „dla gospodarki opartej na danych i życia bogatego w dane”, czyniąc je jeden z czterech filarów Krajowej Strategii Danych (NDS). Jednakże, NDS wskazuje na „fragmentacja przywództwa i brak głębi umiejętności danych na wszystkich poziomach”, co uniemożliwia rozwój „dojrzałej kultury danych”. Przytacza również nadmierne podkreślanie ryzyka niewłaściwego wykorzystania danych, co prowadzi do „chronicznego niedostatecznego wykorzystania danych i żałosnego braku zrozumienia ich wartości”.
Nic więc dziwnego, iż mówi, iż „podstawowa znajomość danych będzie wymagana od wszystkich”. W swoim raporcie z maja 2021 r. odpowiedź na konsultacje w sprawie NDSrząd podkreślił, iż starsi liderzy – w tym politycy – muszą posiadać umiejętności związane z danymi, aby „promować i wspierać” dane w swoich departamentach, a „wszyscy urzędnicy państwowi i pracownicy sektora publicznego powinni posiadać podstawowy poziom znajomości danych”.
Open Data Institute (ODI) definiuje znajomość danych Jak „umiejętność krytycznego myślenia o danych w różnych kontekstach i badania wpływu różnych podejść podczas zbierania, wykorzystywania i udostępniania danych i informacji”. Wykracza ona poza specjalistyczne role, takie jak analitycy danych, naukowcy, inżynierowie czy etycy, i obejmuje role obejmujące całą organizację, takie jak stewardzi danych, menedżerowie ds. zarządzania i główni urzędnicy ds. danych.
Przywódcy muszą zrozumieć, iż muszą poprawić znajomość danych, aby pomóc swoim organizacjom budować efektywne modele biznesowe skoncentrowane na danych i tworzyć dobre procesy i praktyki zarządzania danymi, które sprawią, iż staną się bardziej zaufani w kwestii danych. Pracownicy nietechniczni muszą mieć dostęp do narzędzi i szkoleń, które pomogą im zrozumieć powiązania między danymi a sztuczną inteligencją, w tym skuteczne korzystanie z monitów, aby jak najlepiej wykorzystać generatywne narzędzia sztucznej inteligencji.
Możliwość generatywnej sztucznej inteligencji
Zamiast zastępować ludzi, AI jest ważnym i pomocnym narzędziem zarówno dla wykwalifikowanych, jak i niedoświadczonych pracowników. Modele AI można budować i szkolić, aby opracowywać dostępne narzędzia dla wszystkich, aby znajdować, publikować i analizować dane bez konieczności nauki kodowania. Możliwość jest znacząca; na przykład badanie przeprowadzone przez GitHub wykazało, iż Copilot był szczególnie korzystny dla mniej doświadczonych programistów oprogramowania. Pomógł również doświadczonym pracownikom, pokazując, iż pomógł uczestnikom pozostać w przepływie (73%), zachować wysiłek umysłowy podczas powtarzalnych zadań (87%) i wykonywać zadania (56%) szybciej niż osoby bez Copilota.
AI może potencjalnie zwiększyć produktywność w branżach przyjaznych dla Wielkiej Brytanii, takich jak usługi, wspierając mniej doświadczonych lub wykwalifikowanych pracowników. Na przykład agenci call center mający dostęp do asystenta konwersacyjnego AI poprawili swoją produktywność średnio o 14%, przy czym 35% poprawy odnotowano w przypadku pracowników początkujących i nisko wykwalifikowanych.
Zrozumienie ograniczeń
Naukowcy z Harvard Business School odkryli, iż chociaż sztuczna inteligencja może zapewnić realną wartość, jej nieprzewidywalne punkty awarii i niejasność co do tego, jak najlepiej wykorzystać narzędzia, sprawiają, iż wartość i ryzyko związane ze sztuczną inteligencją są dla wielu użytkowników i organizacji niejasne. Duże modele językowe (LLM) mają dobrze udokumentowane wady wynikające z wczesnego etapu rozwoju, halucynacje do braku dokładności.
Wiemy, iż przez cały czas istnieje ryzyko, iż zaproponują fikcyjne zbiory danych, przeprowadzą niedokładne analizy i nieprawidłowo podadzą źródła (jeśli w ogóle je podadzą).
Aby w pełni wykorzystać narzędzia generatywnej sztucznej inteligencji (GenAI), ludzie muszą się dostosować i nauczyć się efektywnie pracować z AI, używając jej jako narzędzia towarzyszącego, zamiast polegać na jej wynikach bez zadawania pytań. GenAI może choćby pomóc w tworzeniu lepszych programów edukacyjnych, w tym związanych z danymi, pomagając użytkownikom w nauce nowych umiejętności związanych z AI, które umożliwiają nam sprawdzać wyniki generatywnej sztucznej inteligencji i udzielać umiejętnych wskazówek, aby ulepszyć jej wyniki.
Obecnie większość szkoleń dotyczy albo sztucznej inteligencji, albo danych, jednak potrzebujemy również szkoleń na temat sztucznej inteligencji zorientowanej na dane, aby zrozumieć specyficzne problemy związane z danymi, które mają wpływ na niektóre z najpopularniejszych modeli, takich jak ChatGPT.
Czas działać jest teraz
AI przynosi znaczące możliwości w zakresie wydajności, wzrostu gospodarczego i innowacji. jeżeli chcemy uwolnić potencjał sztucznej inteligencji w Wielkiej Brytanii i zapewnić sobie miejsce jako światowych liderów, musimy umieścić dane w centrum tego, co robimy. Pilnie musimy zmienić narrację AI z wyłącznego skupienia się na rozwoju modeli na szersze zrozumienie danych i potrzeb osób z nich korzystających. Zapewnienie każdemu dostępu do danych i efektywnego korzystania z nich ma najważniejsze znaczenie dla umożliwienia ludziom podejmowania lepszych decyzji i tworzenia sprawiedliwych wyników dla społeczeństwa.
Jest wiele do zrobienia, a technologia rozwija się błyskawicznie. Musimy pracować szybko, aby przełożyć pomysły na działania, zanim wyprzedzą nas konkurenci.
Elena Simperl jest profesorem informatyki z Instytut Otwartych Danych i King’s College w Londynie.
