i卡會員

2018年迄今「可解釋AI」、「可信任AI」等陸續出現在國際組織或重點國家規範之中，原本僅停留於倫理道德層次的討論，但隨著AI應用廣泛，也伴隨AI風險，因此2020年開始朝向工具化、技術化落實，一方面提升AI被導入的意願，將間接加速AI應用市場擴展，另一方面也成為新創商機，發展出各種「可解釋AI」、「可信任AI」的新應用市場。本文從「可解釋AI」的最初源起談起，再步步拆解AI可以被信賴的原則與層面、進而分析目前重要國際規範與標準、以及未來發展的兩大重點，最後提出建議方向。本文內容與方向可提供給企業決策者、產品開發人員、科技法律與政策擬定者、一般AI使用者、企業使用者對於「可解釋AI」、「可信任AI」有較深入及全盤性的了解。

【內容大綱】

• 一、最初源起：為解AI黑盒子之謎
• 二、步步拆解：AI可以被信賴的原則與層面
  • (一)社會層次
  • (二)技術層次
  • (三)管理層次
• 三、國際重要相關規範與標準現況
• 四、未來發展重點：技術化/工具化、需求導向
  • (一)技術化/工具化
  • (二)企業導入需求
• IEKView

【圖表大綱】

• 圖1、人工智慧發展瓶頸與方向
• 圖2、可解釋AI/可信任AI相關字詞分析
• 表1、對於AI原則重要度排序
• 表2、人工智慧八大原則分析圖
• 圖3、國際機構發布Trustworthy AI的重點原則
• 圖4、ML Commons三個面向與全球會員表
• 圖5、不同產業對AI可信任程度的需求分析圖