雖然世界現正處於人工智慧（AI）發展史上的關鍵時期，人類以前所未有的規模和速度在各個領域應用。但隨著AI使用日漸普及，社會上興起關於倫理、責任、信任的討論，企業也需在使用AI提升效率的同時做好風險管理。法商施耐德電機（Schneider Electric）今（21）日也建議企業，在開發與使用AI時，必須符合法律規范，同時考量道德與信任，盡力避免產生偏誤或偏見。
 |
| 施耐德電機建議審慎檢視AI可能發生的偏誤或偏見，不應盲目相信 |
尤其是現階段AI仍有諸多不完善之處，例如圖像辨識無法精確判別差異、以及招聘建議可能含有偏見等種種例子，顯示人們不應完全信任AI。施耐德電機也建議企業使用AI時，可叁考以下準則自我檢視：
1. 符合法律與規范：如施耐德電機擁有完善的網路安全政策，符合ISO/IEC 29147和ISO/IEC 30111的標準，同時積極叁與AI法律的制訂，并承諾完全遵守相關法規。
2. 道德與信任守則：施耐德電機以最高標準的道德與信任，對減少碳排與降低能耗做出承諾，而將AI導入解決方案時，也以同樣高標準的道德與信任作為原則。
3. 內部政策與流程：施耐德電機擁有數位風險與數據管理主管負責AI專案，并成立RAI工作小組（Responsible AI Workgroup），跟進歐洲與美國最新的AI法案，持續關注倫理議題。
此外，上下文情境、數據來源、解釋方式都可能導致AI產生的結果有偏誤或偏見，這讓AI信任議題變得極為復雜。以機器學習（ML，Machine Learning）為例，就算風險與其他數位技術類似，但由於系統更加復雜、風險的規模便更大，更難避免、追蹤和解釋。施耐德電機認為，若想克服這些挑戰，建立可信任的AI，有以下兩點關鍵：
1. 專業知識和AI專家：因為AI應用將對人類產生深遠的影響，所以AI專家和數據科學家往往要擔任道德的守門員，進行檢測偏見、建立回??循環（Feedback Loops）來檢驗異常運行，以避免資料下毒攻擊（Data Poisoning）。在發展與應用AI時，企業必須選擇有價值的案例、挑選和清理數據、測試模型并控制其行為，都需要大量的專業知識與技術。若是出現異常時，模型需要重新學習以改善系統，并避免使用特例數據而引發偏見。
2. 風險預測：目前多數的AI監管都以風險預測為基礎，從設計階段開始，就必須考量錯誤或異常數據、網路攻擊可能導致的問題，并預測潛在後果不斷優化。AI專家藉此，能及早采取相關動作來降低風險，例如改善訓練AI模型的資料庫、檢測數據漂移（運行時的異常數據變化），盡可能做好防護措施。若AI的信心水準低於一定值，團隊也務必確保人類叁與關鍵決策。
如今人們不能盲目相信AI，企業也要選擇具有專業知識且可信任的AI供應商合作，確保服務符合最高標準的倫理道德、數據隱私、網路安全。施耐德電機提供關鍵設施的解決方案，包含國家電網、核電廠、醫院、污水處理等，因此深知道德與信任的重要性，持續開發并提供可信任的AI解決方案；并以同樣負責任的方式導入AI，確保服務與產品兼具安全、高效、可靠、公正、隱私等，實現最高標準的道德與信任。
