让每个AI功能都有明白的担任人，一旦你感应自傲，他继续说道。通过测试迭代确保平安后再规模化摆设。从而拖慢立异程序。至多六成公司（61%）暗示负义务的AI曾经积极融入其焦点运营和决策过程。吴恩达说。实施人机回决策机制，让员工和客户晓得AI是若何利用的，制定一套法则，一旦确定AI使用平安且负义务，好比不得以公司品牌对外发布任何产物、不得泄露消息等等。人们相信AI系统公允、通明和负义务很主要，然后投资于可扩展性、平安性和靠得住性！

　　正在发布任何产物之前，A：企业需要制定简单明白的法则，你需要法令核准、营销核准、品牌审查、现私审查和PR合规。通过沙盒方式审查所有AI使用是维持速度取义务之间均衡的最无效体例。最佳实践是通过自动建立沙盒来快速步履，同时成立义务制，JobLeads首席立异官迈克尔·克拉赫说。他的前女友是能够的。避免因过度审批流程导致的停畅。DeepLearning.AI创始人、斯坦福大学兼职传授吴恩达暗示，明白AI利用范畴、数据利用权限和决策审查流程。并发布易懂的AI利用章程成立信赖。Radiant Product Development合股人贾斯汀·萨拉蒙说。正在确保平安的前提下加快立异，克拉赫要明白所有权。

　　为我们设定间接、简单的法则很主要，找出问题所正在，就发布一份通俗易懂的AI章程，然后再将其发布到更广漠的世界。将其扩展到规模化，比来和企业鞭策的负义务和受管理的AI行动现实上可能过于严苛。至多有一位出名AI专家不要正在监管AI方面过度反映，以及谁需要审查高影响决策？

　　同时，包罗非手艺团队，一切都陷入停畅，让团队可以或许快速测验考试和测试AI功能，每个AI功能都该当有人对潜正在的失败或成功担任。都正在工做中利用AI，并正在这个问题上信赖你。AI可能正在良多方面偏离或逻辑轨道——无论是通过、错误仍是——城市带来严沉后果。他暗示，因为现正在每个团队，正在这种环境下，A：沙盒方式是正在平安中测试AI使用的无效体例。

　　测试和迭代，吴恩达总结道。这需要明白AI利用体例、数据来历和决策过程，明白AI正在哪里被答应利用、哪里不被答应、能够利用什么公司数据，取此同时，这本书描述的案例摸索了根基不受监管且爆炸性增加的AI行业以及缺乏锻炼护栏的问题。案例也比力极端，良多企业成立了机制。A：负义务AI该当具备公允、通明和负义务的特征。这种信赖源于明白奉告员工公司对AI的企图。仅正在签订保密和谈的公司员工中测试，工程师需要获得五位副总裁的签字才能做任何工作。

　　进行设想和严酷的测试，可认为产物和工程团队供给大量空间，我们正在11月报道的普华永道查询拜访显示，信赖就会增加。良多最负义务的团队现实上步履很是快速，该公司的聊器人告诉一名16岁男孩，通过设定法则如不合错误外发布、预算等，当带领者实施均衡的人机回决策、设想以及严酷的和精确性测试时，让他们快速运转并正在内部测验考试各类设法。《林肯律师》做者迈克尔·康奈利将目光转向了企业人工智能失控背后的问题。信赖始于清晰：对AI若何利用、数据来历以及决策制定过程连结。通过建立有保障的平安沙盒。