工程领域大数据和人工智能原则

—推动工程领域负责任的大数据和人工智能创新和应用

近年来,大数据和人工智能技术快速发展,其应用广泛落地,已经为我们的生产和生活带来显著的贡献,在辅助个人能力提升,改善人民生活 品质,促进经济和社会发展,应对全球重大挑战(如:气候变化,粮食短 缺等)及促进落实联合国可持续发展目标等方面带来巨大机遇。特别是在工程领域,作为第四次工业革命的主要驱动力之一,大数据和人工智能正 在推动研发、规划、设计、制造、测试、操作和维护等方面的革新,并可 提高生产力及工程项目的质量、安全和效率,同时减少碳排放,降低物耗、能耗和成本。此外,它们还有助于打击腐败、维护工程操守。

在带来前所未有的机遇的同时,大数据和人工智能也带来了许多技术和伦理挑战。我们必须全面分析、认真应对,以释放其造福人类的潜能。技术上,尽管近年来取得了相当大的进展,但仍有许多难题亟待解决:数 据可用性仍需提升;数据采集、存储、检索、传输、分析和可视化技术仍需改进甚至革新。同样,人工智能远不完美,例如:机器学习需要大量的 人力来标记监督学习所需的训练数据。此外,我们正面临隐私侵犯、决策 不透明、偏见歧视、技术滥用、数字鸿沟等伦理挑战。这些问题正引起越来越多的公众关注,并引发了社会上的一些忧虑。

工程师群体,作为大数据和人工智能创新和应用的主要实践者,有责 任和义务以造福人类为目推动大数据和人工智能的创新和应用。为了推动负责任的大数据和人工智能创新和应用,在工程实践中,工程师和工程界 应将有利于人类和地球的可持续发展作为首要标准,并遵循以下原则:

有益于人与环境

必须致力于尊重、维护人的尊严和自主,保障人权;遵循文化、社会和 法律规范;维护文化延续性与生态多样性,为全球社会和环境谋福利;促 进大数据和人工智能有益于人的运用,以增强人的感知、认知和解决问题的能力,实现可持续发展。

包容、公平、公众意识和公众赋能

注重包容性,使人类社会的全体成员参与其中并共享数据和人工智能带来的社会和经济利益,关注儿童、残疾人等弱势群体;消减数据源的偏 见,并寻求开发检测和纠正已有和潜在歧视的方法;积极参与到提高公众 对大数据和人工智能的发展和影响的认识中;赋能公众,以使每个人从大数据和人工智能的创新和应用中获益,并能应对潜在问题,如失业问题。

尊重隐私和数据完整性的开放和共享

及时地、全面地、负责任地公开和共享数据、元数据、数据产品和信息,以充分发挥和利用数据的价值;尊重人对数据的访问权、分享权及受 益权;在数据收集、披露和使用过程中,保护用户的隐私;辅助提升人们 对数据的访问、分享、使用及控制能力,尤其是维护其身份数据的能力;以知情同意为原则使用私人数据;积极采集、存储和保护第一手工程数据, 确保数据完整性和质量,同时避免数据被盗,滥用和损坏。

透明性

从数据生成到使用结束,最大限度地提高数据的可追溯性;关注人工智能系统的输入/输出的可验证性以及其的判断和决策的可解释性;努力为 所有利益相关方提供可理解的解释和信息,宣传人工智能产品和服务可能产生的影响;了解并提供开发和部署中的人工智能系统的能力和局限。

问责制

遵守法律法规和技术标准;明确在开发、部署和使用大数据和人工智能应用的过程中的责任,确保全生命周期里的责任可追溯;践行责任,以 获得全社会对大数据和人工智能的信任。

维护和平、安全性

牢记维护世界和平的使命;设法发现和解决潜在风险,其中包括对生命、财产安全的危害;确保应用的安全可靠;充分考虑人工智能系统全运 营周期中的风险,确保其使用周期中的安全可靠和可验证;在现实场景下 进行充分前期测试,以确保其符合目标规格;与所有利益相关者密切合作以保证并进一步提升应用的质量、安全性和可靠性。

协同合作

理解可持续发展目标间的关联性,以及协同合作在实现可持续发展目标中的重要作用;促进所有利益相关方跨学科、跨部门合作和国际合作, 通过负责任的大数据和人工智能创新和应用,加快可持续发展目标的实现。

成为VIP会员查看完整内容
0
53

相关内容

人工智能(Artificial Intelligence, AI )是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支。

爱分析日前发布《人工智能2020:落地挑战与应对 》报告。报告回顾了人工智能的行业概况,并结合实践案例分析了人工智能技术给产业带来的具体价值创造和各行业落地进展和未来应用趋势。同时,报告系统性地分析了人工智能落地产业过程中,在数据、算法模型、业务场景理解、服务方式、投入产出比等方面面临的挑战和应对方式,希望帮助企业推动人工智能的价值落地。

成为VIP会员查看完整内容
人工智能2020-落地挑战与应对.pdf
1
132

摘要: 当前,全球大数据正进入加速发展时期,技术产业与应用创新不断迈向新高度。大数据通过数字化丰富要素供给,通过网络化扩大组织边界,通过智能化提升产出效能,不仅是推进网络强国建设的重要领域,更是新时代加快实体经济质量变革、效率变革、动力变革的战略依托。 本白皮书是继《大数据白皮书(2014年)》、《大数据白皮书(2016年)》、《大数据白皮书(2018年)》之后中国信通院第四次发布大数据白皮书。本白皮书在前三版的基础上,聚焦一年多来大数据各领域的进展和趋势,梳理主要问题并进行展望。在技术方面,重点探讨了近两年最新的大数据技术及其融合发展趋势;在产业方面,重点讨论了我国大数据产品的发展情况;在数据资产管理方面,介绍了行业数据资产管理、数据资产管理工具的最新发展情况,并着重探讨了数据资产化的关键问题;在安全方面,从多种角度分析了大数据面临的安全问题和技术工具。希望本白皮书的分析可以对政府和行业提供参考。

目录:

一、国际大数据发展概述. 1

  • (一)大数据战略持续拓展. 1
  • (二)大数据底层技术逐步成熟. 2
  • (三)大数据产业规模平稳增长. 3
  • (四)大数据企业加速整合. 5
  • (五)数据合规要求日益严格. 6

二、融合成为大数据技术发展的重要特征. 8

  • (一)算力融合:多样性算力提升整体效率. 8
  • (二)流批融合:平衡计算性价比的最优解. 9
  • (三)TA融合:混合事务/分析支撑即时决策. 10
  • (四)模块融合:一站式数据能力复用平台. 11
  • (五)云数融合:云化趋势降低技术使用门槛. 11
  • (六)数智融合:数据与智能多方位深度整合. 12

三、大数据产业蓬勃发展. 14

  • (一)大数据产业发展政策环境日益完善. 14
  • (二)各地大数据主管机构陆续成立. 17
  • (三)大数据技术产品水平持续提升. 20
  • (四)大数据行业应用不断深化. 22

四、数据资产化步伐稳步推进. 25

  • (一)数据:从资源到资产. 25
  • (二)数据资产管理理论体系仍在发展. 26
  • (三)各行业积极实践数据资产管理. 27
  • (四)数据资产管理工具百花齐放. 29
  • (五)数据资产化面临诸多挑战. 31

五、数据安全合规要求不断提升. 35

  • (一)数据相关法律监管日趋严格规范. 35
  • (二)数据安全技术助力大数据合规要求落地. 36
  • (三)数据安全标准规范体系不断完善. 39

六、大数据发展展望. 41

成为VIP会员查看完整内容
1
62
小贴士
相关资讯
支持个性化学习的行为大数据可视化研究
【数字化】数字化转型正在成为制造企业核心战略
产业智能官
18+阅读 · 2019年4月22日
人工智能在教育领域的应用探析
MOOC
6+阅读 · 2019年3月16日
《人工智能转型手册》,吴恩达 著
人工智能学家
10+阅读 · 2018年12月14日
【人工智能】人工智能5大商业模式
产业智能官
9+阅读 · 2017年10月16日
相关论文
A survey on Semi-, Self- and Unsupervised Techniques in Image Classification
Lars Schmarje,Monty Santarossa,Simon-Martin Schröder,Reinhard Koch
73+阅读 · 2020年2月20日
Geometric Graph Convolutional Neural Networks
Przemysław Spurek,Tomasz Danel,Jacek Tabor,Marek Śmieja,Łukasz Struski,Agnieszka Słowik,Łukasz Maziarka
7+阅读 · 2019年9月11日
AutoML: A Survey of the State-of-the-Art
Xin He,Kaiyong Zhao,Xiaowen Chu
32+阅读 · 2019年8月14日
Transfer Adaptation Learning: A Decade Survey
Lei Zhang
29+阅读 · 2019年3月12日
Adversarial Metric Attack for Person Re-identification
Song Bai,Yingwei Li,Yuyin Zhou,Qizhu Li,Philip H. S. Torr
3+阅读 · 2019年1月30日
Benjamin Recht
5+阅读 · 2018年6月25日
Chengxiang Yin,Jian Tang,Zhiyuan Xu,Yanzhi Wang
4+阅读 · 2018年6月8日
Luke Metz,Niru Maheswaranathan,Brian Cheung,Jascha Sohl-Dickstein
5+阅读 · 2018年5月23日
Kaiming He,Georgia Gkioxari,Piotr Dollár,Ross Girshick
7+阅读 · 2018年1月24日
Top