My Board

监控已部署的机器学样重要，这不仅体现在模型质量下降方面，还体现在偏差/公平性、准确性、鲁棒性、隐私性、安全性和可解释性等方面。模型的可解释性经常被讨论，但故障可解释性也同样重要，因为它是调试和修复模型的必要条件。

我们知道如何创建成熟的 RAI 文化，但我们对道德咨询委员会了解不够

正如伦理人工智能成熟度模型所示，以及一些发言者指出，创建负责任的人工智能实践的第一步是制定员工知晓、理解并遵守的道德准则或指导原则。大多数与会组织都广泛实施了员工培训，但一个关键问题是 电话号码收集 如何衡量培训项目的有效性。RAI Champions 也被提及是成功 RAI 实践的组成部分。

员工可以接受道德培训，但如果缺乏相应的文化、框架和工具来支持工作，培训就毫无意义，甚至可能导致“器官排斥”（正如一位发言者所描述的）。这种动态可能会导致道德洗牌，人们为了尽快通过“勾选框”而敷衍了事。这引出了一个问题：哪些激励措施真正有效地让人们认同 RAI 的需求？每个组织的情况各不相同，但一些通用的激励措施适用于许多公司和受众。

一些公司设有道德咨询委员会，其组成各不相同。关于道德委员会的文献很少，包括成功指标，但其主要目的通常是邀请各种专业知识来指导伦理使用决策。伦理问题并非某个人或一家公司可以独自决定；我们需要各方观点和人员提出尖锐问题并提供建议。分享关于使用道德委员会的最佳实践和经验教训将使该领域受益。

标准制定和法规制定需要公共/私营部门的合作

制定人工智能治理标准和法规并非易事。一些基本而复杂的术语（例如人工智能、公平性、可解释性）的定义存在不确定性和不一致，这是一个问题。然而，与会者认识到，具体情况至关重要。由于人工智能并非一项单一的技术，而且它将不断发展壮大，因此不存在放之四海而皆准的人工智能监管方法。

幸运的是，许多最初的监管和标准举措在很大程度上是由私营部门和公共部门以及国际机构合作制定的（例如，美国的国家人工智能咨询委员会、新加坡的人工智能伦理使用和数据咨询委员会）。合作不仅能促成更全面的标准和法规，如果拟议法规本质上是多利益相关方参与的，还能增强公众的信任。