چگونه وزارت انرژی ایالات متحده هوش مصنوعی را تغییر می دهد

وزارت انرژی ایالات متحده (DOE) مدتهاست که به عنوان یکی از مهمترین آژانس های فدرال ایالات متحده که بر علم، فناوری و نوآوری متمرکز است، برجسته شده است. از این رو نباید تعجب آور باشد که DOE به سرمایه گذاری در فناوری های تحول آفرین مانند هوش مصنوعی و یادگیری ماشین ادامه می دهد. 

DOE دفتر هوش مصنوعی و فناوری (AITO) را برای کمک به تبدیل DOE به یک شرکت پیشرو در زمینه هوش مصنوعی (AI) با تسریع در تحقیق، توسعه، تحویل و پذیرش هوش مصنوعی ایجاد کرد. پاملا ایسوم، مدیر جدید AITO، در رویداد فوریه 2021 هوش مصنوعی در دولت ارائه خواهد شد تا نحوه به حداکثر رساندن تأثیرات هوش مصنوعی را از طریق هماهنگی استراتژیک، برنامه ریزی و تعالی خدمات مشتری به اشتراک بگذارد. در این مقاله مصاحبه، خانم ایسوم به جزئیات بیشتری در مورد چگونگی استفاده از داده‌ها و فناوری‌های متحول‌کننده برای کمک به پیشبرد مأموریت‌های آژانس توسط DOE می‌پردازد.

چند روش نوآورانه برای استفاده از داده ها و هوش مصنوعی به نفع آژانس خود چیست؟

پاملا ایزوم: مسئولیت هماهنگی ابتکارات هوش مصنوعی مقطعی و برنامه ریزی استراتژیک نتایج هوش مصنوعی در کل بخش برای ایمن سازی زیرساخت ما و به حداکثر رساندن تأثیرات ماموریت حیاتی است. در سال 2022، تیم من بر روی حکمرانی هوش مصنوعی نوآورانه متمرکز است که در آن هوش مصنوعی مسئول و قابل اعتماد استاندارد است. ما به ادغام انسان محور بیشتری در چرخه حیات هوش مصنوعی و فهرستی از الگوریتم‌ها و مجموعه داده‌ها نیاز داریم تا بتوانیم تأثیرات سرمایه‌گذاری‌های هوش مصنوعی خود را که دنبال می‌کنیم راحت‌تر ردیابی کنیم. 

کتاب بازی مدیریت ریسک هوش مصنوعی (AIRMP) یک نوآوری کاربردی است که پیش‌بینی می‌کنیم در صورت پیش‌روی همه چیز طبق برنامه در سال 2023، آن را برای عموم پیاده‌سازی کنیم. AIRMP سناریوهای ریسک را جمع‌آوری می‌کند و راهنمایی‌های تجویزی برای کاهش این خطرات ارائه می‌کند تا تصمیمات هوش مصنوعی مسئولانه و قابل اعتماد باشد. این کتاب راهنما حتی اقدامات کاهشی مربوط به دستگاه های لبه مانند سیستم های بدون سرنشین و دستگاه های شخصی را در نظر می گیرد. سیستم‌های هوش مصنوعی Edge به تیم‌ها، مانند پاسخ‌دهنده‌های اضطراری ما، اجازه می‌دهند تا به سرعت روی داده‌ها درست در جایی که گرفته شده‌اند، عمل کنند. با این حال، تهدیدات و آسیب پذیری های متخاصمی وجود دارد که AIRMP از آنها پشتیبانی می کند. 

صحبت از نوآوری، تیم هوش مصنوعی سال 2022 را با یک جلسه گروه متمرکز صنعتی در مورد همگرایی هوش مصنوعی و فناوری های همهجانبه آغاز کرد و توجه زیادی به همگرایی هوش مصنوعی و واقعیت توسعه یافته (XR) به دلیل رشد قابل توجه در این فضا در حال حاضر داشت. و در آینده تجربیات همه جانبه برای آموزش و مدل‌سازی دقیق موقعیت‌های بحرانی مانند سناریوهای خودروهای خودران که گاهی اوقات داده‌های مصنوعی ایمن‌تر هستند و به اندازه داده‌های بلادرنگ تهاجمی نیستند، ارزشمند هستند. با مشارکت سایر دفاتر برنامه، تیم من به دنبال استفاده از هوش مصنوعی و واقعیت ترکیبی برای ایجاد برنامه درسی آموزش هوش مصنوعی برای نیروی کار و مدیریت استعداد در سراسر جوامع است.

اصلاً چگونه از اتوماسیون برای کمک به سفر خود به هوش مصنوعی استفاده می کنید؟

پاملا ایزوم: ما اتوماسیون را در فرآیندهای تجاری کلیدی اعمال می کنیم. ما آزمایشی را برای ساده‌سازی پردازش وام و پاسخ به برخی سؤالات کلیدی که معمولاً مشتریان می‌پرسند، آغاز کردیم تا پردازنده‌ها بتوانند روی تکالیف استراتژیک‌تری تمرکز کنند. ما از هوش مصنوعی مکالمه و اتوماسیون فرآیند روباتیک برای رسیدگی به وظایف عملیاتی استفاده می کنیم. ما از قابلیت‌هایی استفاده می‌کنیم که خارج از جعبه در محیط‌های ابری به‌عنوان نقطه ورود برای پلتفرم‌ها و فناوری‌های اتوماسیون وجود دارد، اما همچنین به‌خاطر ابررایانه‌های خود که برای پیچیده‌ترین حجم‌های کاری استفاده می‌کنیم و جایی که منطقی است، شناخته شده‌ایم. برخی از ذینفعان محصولات تجاری خارج از قفسه را ترجیح می دهند، اما با توجه به پیشرفت های علم داده، ما متوجه شدیم که ترکیبی مناسب ترین رویکرد برای رفع نیازهای ما در حال حاضر است. 

چگونه تشخیص می دهید که برای پروژه های اتوماسیون و فناوری شناختی خود از کدام ناحیه (مشکلات) شروع کنید؟ 

پاملا ایزوم: دو عبارت به ذهن می رسد. اولین و مهمترین «تمرکز بر مأموریت» و دومی «گوش دادن» است. استفاده از نوآوری ها برای دستیابی به ماموریت یک امر ضروری است. به عنوان مثال، الگوریتم‌های هوش مصنوعی می‌توانند برای اطمینان از انعطاف‌پذیری انتقال‌های شبکه و به گونه‌ای که حسابداری انرژی پاک به طور عادلانه در سراسر جوامع اعمال شود، مورد استفاده قرار گیرند. ما تحقیق، توسعه، نمایش و استفاده مجدد و ممیزی هوش مصنوعی را برای به حداکثر رساندن کارایی چنین راه حل های هوش مصنوعی انجام می دهیم. ما به نیازها، خواسته ها و همچنین نکات دردناک ذینفعان گوش می دهیم. ما فهرستی از سرمایه‌گذاری‌های هوش مصنوعی را نگهداری می‌کنیم که حداقل سالیانه از طریق سیستم تبادل هوش مصنوعی (AIX) خود بررسی و به‌روزرسانی می‌کنیم. جلسات متمرکز با صنعت و دانشگاه برای شنیدن دیدگاه های فردی برای تبادل نظر و گرفتن بینش صنعت در مورد موضوعات هدفمند هوش مصنوعی برگزار می شود. در اصل، ما وضعیت فعلی و هدف را ارزیابی می‌کنیم، شکاف‌ها را شناسایی می‌کنیم و از طریق استراتژی هوش مصنوعی، اولویت‌بندی می‌کنیم، هماهنگ می‌کنیم و در ارائه برنامه‌هایی مشارکت می‌کنیم که ما را با پروژه‌های اتوماسیون و فناوری شناختی به جلو می‌برند.

برخی از فرصت های منحصر به فرد بخش دولتی در مورد داده ها و هوش مصنوعی چیست؟

پاملا ایزوم: مشارکت های استراتژیک با بخش خصوصی، دانشگاه ها و تیم های بین المللی فرصت های خوبی برای بخش دولتی است. آژانس‌ها این فرصت را دارند که جلوتر ظاهر شوند و مقررات هوش مصنوعی را برای توسعه دارایی‌ها، اشتراک‌گذاری و شیوه‌های حریم خصوصی مدرن ایجاد کنند. قوانینی مانند بهبود امنیت سایبری کشور و تغییر تجربه مشتری فدرال و ارائه خدمات برای بازسازی اعتماد به دولت، همگی بر روی راه حل های اخلاقی، مسئولانه و قابل اعتماد مانند هوش مصنوعی حساب می کنند که به حقوق و آزادی های مدنی ما احترام می گذارد. با هم، از طریق مشارکت استراتژیک، می‌توانیم متنوع‌ترین سناریوها را تحقیق و کشف کنیم و راه‌حل‌هایی بسازیم که از داده‌ها محافظت می‌کنند و در عین حال دسترسی گسترده‌تری را ممکن می‌سازد. باید یک پلت فرم ملی برای تحقیق و همکاری وجود داشته باشد، و به همین دلیل است که کارگروه ملی تحقیقات منابع هوش مصنوعی، که تیم من عضوی از آن است، بسیار مهم است. بخش دولتی به تنهایی نمی تواند الزامات نظارتی را برآورده کند - به صنعت، دانشگاه و همچنین همکاری بین المللی نیاز دارد.

در مواردی که با موفقیت از هوش مصنوعی استفاده کرده اید ، چه مواردی را می توانید به اشتراک بگذارید؟

پاملا ایزوم: به طور خاص، تیم هوش مصنوعی از تجزیه و تحلیل و خوشه‌بندی متن یادگیری ماشینی همراه با پیشرفت‌های پردازش زبان طبیعی برای کمک به تحلیل استراتژیک پروژه هوش مصنوعی وزارتخانه و فهرست موارد استفاده می‌کند. موارد استفاده از نسل بعدی تحقیقات روش‌های هوش مصنوعی آگاه از دامنه برای تقویت امنیت ملی تا پروژه‌های انرژی پاک که موادی را که باید برای مقابله با بحران آب و هوا مورد استفاده قرار گیرند، شناسایی می‌کنند. ما می‌توانیم مضامین را بر اساس داده‌های موجودی شناسایی کنیم و ذینفعان را از سراسر بخش با هم‌افزایی مشترک هماهنگ کنیم تا بتوانیم صرفه‌جویی در مقیاس را به حداکثر برسانیم، ضایعات را کاهش دهیم، اطلاع‌رسانی کنیم و فعالیت‌های بین‌بخشی هوش مصنوعی را هدایت کنیم. ما به طور مداوم داده‌های موجودی خود را تکامل می‌دهیم و امروز می‌توانیم شناسایی کنیم که سرمایه‌گذاری‌های هوش مصنوعی کجا هستند و آیا فرصت‌هایی برای بهبود تجربیات مشتری وجود دارد یا خیر. بدون استفاده از هوش مصنوعی، گروه و ذینفعان بخش من باید حجم وسیعی از داده‌ها را غربال کنند، و تقریبا غیرممکن است که به‌موقع استنباط‌هایی از مجموعه‌های هوش مصنوعی که برای تصمیم‌گیری استراتژیک ضروری هستند، استخراج کنند. 

با توجه به ماموریت، تحقیقات ما در منطقه زیرسطحی به سمت جذب و ذخیره کربن عمیق است. ابتکار یادگیری ماشینی مبتنی بر علم برای تسریع در تصمیم گیری های زمان واقعی در برنامه های زیرسطحی (SMART). این در حال تغییر تعاملات ما در داخل و درک زیرسطحی است و به طور قابل توجهی کارایی و اثربخشی ذخیره‌سازی کربن در مقیاس میدانی و عملیات غیرمتعارف نفت و گاز را بهبود می‌بخشد. SMART یک تلاش چند سازمانی است که توسط DOE's Carbon Storage and Upstream Oil and Gas Program با سه حوزه تمرکز تجسم در زمان واقعی، یادگیری مجازی و پیش بینی تامین می شود.

آیا می توانید برخی از چالش ها را در مورد AI و ML در بخش عمومی به اشتراک بگذارید؟

پاملا ایزوم: مالکیت هوش مصنوعی چالشی است که ما در حال انجام آن هستیم. انبوهی از داده ها نیاز روزافزون هوش مصنوعی را برای هدایت و پیش بینی با دقت نشان می دهد. استانداردهای حاشیه نویسی داده ها برای عمودی ها، به عنوان مثال، انرژی به راحتی قابل دسترسی نیست. فرصتی برای تکامل یادگیری ماشین قبل از استفاده از یادگیری بدون نظارت پیشرفته تر برای رسیدگی به موارد استفاده حیاتی ماموریت وجود دارد. همچنین فرصت قابل توجهی برای گسترش مدیریت استعداد هوش مصنوعی در خارج از بخش وجود دارد. همانطور که با سایبر انجام دادیم، باید تمرکز بیشتری روی علم داده و رشد هوش مصنوعی برای کشور وجود داشته باشد، ما هیچ انتخابی در این زمینه نداریم.

چگونه تجزیه و تحلیل ، اتوماسیون و هوش مصنوعی با هم در آژانس شما کار می کنند؟

پاملا ایزوم: در حالی که تجزیه و تحلیل ممکن است نقطه شروع یا ورودی برای هوش مصنوعی باشد، ما از هر سه (تحلیل، اتوماسیون و هوش مصنوعی) استفاده می کنیم تا بیشترین تأثیر را از توصیه های مسئولانه و تصمیم گیری معتبر ارائه کنیم. فرصت‌هایی برای بهبود برخی اصول وجود دارد تا عملیات AI (AIOps) مفاهیم DevSecOps را با تضمین‌های هوش مصنوعی یکپارچه ارتقا دهد، و از طریق قابلیت‌ها (تحلیل، اتوماسیون و هوش مصنوعی) فرصت‌های قابل توجهی برای تقویت همکاری بین سازمانی برای تصمیم‌گیری مشترک وجود دارد. اعتراف می کنم که امروز شاهد این انسجام بیشتر هستم، اما فرصت ها باقی می مانند.

چگونه در مورد استفاده از هوش مصنوعی حریم خصوصی ، اعتماد و نگرانی های امنیتی را دنبال می کنید؟

پاملا ایزوم: اینها عناصر حیاتی کتاب مدیریت ریسک هوش مصنوعی (AIRMP) هستند که به صورت داخلی در سال 2021 منتشر شد. AIRMP ذینفعان را از طریق حفظ حریم خصوصی، اعتماد و مسائل امنیتی (از دیدگاه خصمانه) راهنمایی می کند و کاربران را از آسیب پذیری های احتمالی معرفی شده با هوش مصنوعی آگاه می کند. ما می خواهیم دیگران از جمله موسسه ملی استاندارد و فناوری (NIST) از این تلاش بهره ببرند و در آن سهیم باشند.

برای توسعه نیروی کار آماده برای هوش مصنوعی چه می کنید؟

پاملا ایزوم: ما با آزمایشگاه های ملی همکاری می کنیم و دو بار در سال هوش مصنوعی را به ذینفعان DOE آموزش می دهیم. در سال 2022 می خواهیم آموزش را با مقدمه ای بر یادگیری همه جانبه، همانطور که گفته شد، به سطح دیگری ببریم. 

من یک هدف شخصی برای کمک به جوامعی دارم که تحت تأثیر جنبه های اتوماسیون هوش مصنوعی هستند. یکی از زمینه های نگرانی مشاغل است که همچنین مورد توجه وزیر نیرو و اداره است. ما به شهروندانی نیاز داریم که شغل خود را حفظ کرده و رشد کنند، نه اینکه آنها را به دلیل پیشرفت های هوش مصنوعی از دست بدهند. به عنوان مثال، کارگران باید بدانند که چگونه با ربات‌ها کار کنند و چگونه جنبه‌های توضیح‌پذیری هوش مصنوعی را تقویت کنند تا استنتاج‌ها به درستی تایید و ارتباط برقرار کنند. این قابلیت در راستای مهارت‌های نرم‌تر اما حیاتی است که ضمن ایجاد فرصت‌های منحصربه‌فرد برای توسعه مهارت‌ها، اعتماد مصرف‌کننده را تسهیل می‌کند. به عنوان مثال، معلمان مدرسه باید در آموزش الگوریتمی و حداقل آزمایش برای کمک به تولید خروجی های منصفانه و بی طرفانه شرکت کنند. آنها به این اطمینان نیاز دارند که استنباطات هوش مصنوعی تأثیر نامطلوبی بر رفتار دانش‌آموزان نمی‌گذارد یا زندگی را در هنگام پذیرش به خطر نمی‌اندازد. هوش مصنوعی قابل توضیح در این زمینه امیدوارکننده است. این نمونه ها نشان دهنده کسری از مهارت ها و استعدادهای بالقوه است که می تواند زندگی را نجات دهد.

در سال های آینده بیشتر منتظر کدام فناوری های هوش مصنوعی هستید؟

پاملا ایزوم: من در مورد سال 2022 و فعالیت های متمایل به جلو که نسبت به نسل بعدی هوش مصنوعی ظاهر می شود هیجان زده هستم. من بسیار مشتاقانه منتظر پیشرفت در هوش مصنوعی هستم به طوری که اتکا به داده ها چندان عمیق نباشد و در عوض، هوش مصنوعی تشخیص دهد که برای رفع مشکلات به چه داده هایی نیاز دارد. من بر ابزارها و فناوری هایی تکیه می کنم که توضیحاتی در مورد راه حل ها و منطق پشت پیش بینی ها ارائه می دهند. این وزارتخانه با بهبود هماهنگی استراتژی، برنامه ریزی و اجرای برنامه ها، نقش رهبری قوی تری در هوش مصنوعی بر عهده می گیرد. آزمایشگاه‌های ملی و ابتکار انکوباتور هوش مصنوعی که توسط لارنس لیورمور حمایت می‌شود، یکی از نمونه‌های متعددی از توانمندسازی نوآوری است که در حال وقوع است. وقتی صحبت از کاهش ریسک به میان می‌آید، می‌خواهیم اطمینان حاصل کنیم که هوش مصنوعی ناکارآمدی انرژی و منابعی را که می‌تواند با تلاش‌های کربن‌زدایی مقابله کند، معرفی نکند و ما مشتاق ارائه هوش مصنوعی مسئولانه و اخلاقی به نفع مأموریت، کشور و به‌ویژه ما هستیم. فرزندان. 

پاملا ایسوم، در رویداد فوریه 2021 هوش مصنوعی در دولت ارائه خواهد شد که در آن به این موضوع می‌پردازد که چگونه وزارت دفاع آمریکا تأثیرات هوش مصنوعی را از طریق هماهنگی استراتژیک، برنامه‌ریزی و تعالی خدمات مشتری از جمله پرداختن به اخلاق هوش مصنوعی، اصول هوش مصنوعی و نکات برجسته کتاب مدیریت ریسک هوش مصنوعی به حداکثر می‌رساند. .