人工智能将赋能哪些行业（五）

AI 电堂

发布于 2020-11-09 15:07:59

8470

发布于 2020-11-09 15:07:59

文章被收录于专栏：AI电堂AI电堂

标准化在AI的发展中扮演着支撑和主导的角色。它不仅对促进行业创新至关重要，而且对提高AI产品和服务的质量、确保用户安全并创建公平开放的行业生态系统也至关重要。

参考来源 / IEC:《Artificial intelligence across industries》白皮书

编译 / Helen

人工智能领域的标准化活动

人工智能领域的标准化还处于早期的阶段。一些标准化小组已经就AI或支持技术的某些领域展开了相关工作，正在成立新的小组从更广泛和全面的角度解决AI的问题。

▲

AI标准化现状格局

ISO/IEC JTC 1

ISO / IEC JTC 1是IEC和ISO就信息技术问题成立的联合技术委员会，长期以来一直在AI术语领域开展工作。

JTC 1前词汇工作组发布了以下关于AI术语的一系列国际标准：

ISO / IEC 2382-28:1995，信息技术–词汇 –第28部分:人工智能–基本概念和专家系统
ISO / IEC 2382-29:1999，信息技术–词汇 –第29部分:人工智能–语音识别和合成
ISO / IEC 2382-31:1997，信息技术–词汇– 第31部分:人工智能–机器学习
ISO / IEC 2382-34:1999，信息技术–词汇 –第34部分:人工智能–神经网络

这些历史标准现在已经合并到通用的IT词汇表JTC 1标准中：ISO / IEC 2382:2015 。

ISO/IEC JTC 1/SC 42

该小组委员会成立于2017年11月，旨在解决AI的具体标准化要求。JTC1 / SC 42将作为JTC 1的AI标准化计划的焦点实体和支持者，为JTC 1、IEC和ISO委员会开发与AI相关的应用提供指导。

该小组委员会部分工作主题是：

基础标准
人工智能的计算方法和特征
可信度
用例和应用
大数据
社会关注

在2018年4月举行了第一次全体会议之后，JTC 1 / SC 42建立了基础标准工作组1，包括第一批批准的两个项目:人工智能概念和术语(ISO / IEC 22989)、使用机器学习的人工智能系统框架(ISO / IEC 23053)。

JTC 1 / SC 42全体会议还设立了三个研究小组:

第1研究小组：人工智能系统的计算方法和特征
第2研究小组：可信度
第3研究小组：用例和应用

其它JTC1小组委员会一直在进行与推动者和支持性技术的AI相关的标准化工作:

JTC 1 / SC 24：计算机图形学、图像处理和环境数据表示
JTC 1 / SC 27：IT安全技术
JTC 1 / SC 35：用户界面
JTC 1 / SC 37：生物识别
JTC 1 / SC 38：云计算和分布式平台
JTC 1 / SC 40：IT服务管理和IT治理
JTC 1 / SC 41：物联网及相关技术

IEC

一些IEC委员会已经将AI视为能推进他们工作计划的一个因素。这方面的例子包括:

SC 45A：核设施的仪表、控制和电力系统，已经对AI展开了研究，以应用新兴的IT和电子技术发展可支持和监管核仪器及控制要求的计算机和信息系统。
TC 100：音频、视频和多媒体系统和设备，开发与可穿戴设备相关的标准，并发起了一个主题为“可穿戴设备的使用场景”的讨论，其中包括AI和虚拟现实的元素。
TC 124：可穿戴电子设备和技术，负责制定可穿戴技术的电气工程、材料和人身安全技术标准。

ISO

国际标准化组织的几个委员会正在准备编制与AI应用相关的标准，例如:

TC 22：道路车辆，制定道路车辆的基本标准
TC 68：金融服务，致力于金融和银行业的标准化
TC 299：机器人技术，涵盖了各种用途机器人领域的标准化。

ITU

在AI领域，ITU-T成立了一个面向未来网络(包括5G(FG-ML5G))的机器学习焦点小组。该小组的目标包括: 帮助未来的网络采用机器学习，包括架构、接口、用例、协议、算法、数据格式、互操作性、性能、评估、安全和个人信息保护。

为未来网络中的机器学习研究、审查和调查现有技术、平台、指南和标准。
识别可帮助实现安全可信地使用机器学习框架的要素。
审查和研究如何在未来的网络中训练、适应、压缩和交换机器学习算法，以及多个算法之间如何相互作用。
考虑到各种固定和移动通信堆栈，明确适用于未来网络的机器学习的可能要求，并促进满足这些要求的新机器学习方法的发展。
明确对网络功能、接口和使用机器学习所需能力的可能要求。
明确面向通信的机器学习中的标准化挑战。
编制标准鸿沟分析和机器学习路线图，以便确定ITU-T关于这些主题的建议书的范围。

IEEE

IEEE主要集中研究AI相关技术标准的伦理层面。2016年3月，IEEE标准协会发起了“人工智能和自主系统中的伦理考虑全球倡议”，旨在帮助人们应对 AI带来的威胁，并制定出从数据隐私到故障安全工程的伦理设计原则和标准。

在此框架下，IEEE已经批准了以下标准化项目:

IEEE P7000：解决系统设计过程中的伦理问题的建模过程
IEEE P7001：自主系统的透明性IEEE P7002:数据隐私处理

IEEE P7003:对算法偏见的考量

IEEE P7004：儿童和学生数据治理标准IEEEP7005:透明雇主数据治理标准 IEEE P7006：个人数据的人工智能代理标准 IEEE P7007:伦理驱动的机器人和自动化系统的本体标准
IEEE P7008：机器人、智能和自主系统中伦理驱动的助推标准
IEEE P7009：自主和半自主系统的故障安全设计标准
IEEE P7010：合乎伦理的人工智能和自主系统的健康度量标准
IEEE P7011：识别和评定新闻来源可信度的过程标准
IEEE P7012：机器可读的个人隐私条款标准

ETSI

ETSI有一个关于体验式网络智能(ENI)的行业规范小组(ISG)，其目标是为采用闭环控制方法的认知网络管理系统制定标准。这种方法基于“监控-分析-计划-执行”模型，并且将通过学习能力得到增强。

设想的认知网络管理系统可根据用户需求、环境条件和业务目标的实时演变调整对可用网络资源和服务的使用。系统做出的决定依赖于有关网络资源复杂状态的详细信息以及表达运营商偏好的策略。

ISG ENI方法的独特增值之处是通过引入一个指标来量化运营商体验，并通过利用机器学习和推理来随时间优化和调整运营商体验。

中国的标准化活动

全国信息技术标准化网 (SAC/TC 28) 主要处理与词汇、用户界面、生物特征识别和其他方面有关的AI标准化工作。

到目前为止，在术语和词汇领域，已经发布了四个基本的国家标准，例如GB/T 5271.28-2001:信息技术–词汇–第28部分：人工智能–基本概念和专家系统。用户界面小组委员会正在制定多个国家标准，并成立了运动感应交互和脑机接口工作组来进行相关的标准化研究。

生物特征识别委员会已经制定了有关指纹、面部和虹膜识别的标准。此外，国家信息安全标准化技术委员会的大数据标准工作组、云计算标准工作组和国家传感器网络标准工作组也在努力形成基本的标准，以支持AI的相关技术和应用。

全国自动化系统与集成标准化技术委员会 (SAC/TC 159) 在SAC / TC159下，SC2机器人设备小组负责工业机器人的整体标准制定工作，包括系统接口、组件、控制器等。它已发布了多个标准，例如GB / T 17887-1999:工业机器人–自动末端执行器交换系统–词汇和特征表示。

全国音频、视频及多媒体系统与设备标准化技术委员会(SAC/TC 242) SAC / TC 242对音频、视频和智能医疗产品的相关标准进行了研究。比如，当前标准包括虚拟现实音频的主观评估方法(2017-0279T-SJ)。

全国信息安全标准化技术委员会 (SAC/TC 260) SAC/ TC 260在生物特征识别、专注于AI技术的智慧城市和智能制造等领域制定了与安全相关的标准。

全国智能交通系统标准化技术委员会(SAC/TC 268) SAC/ TC 268在智能交通领域进行了标准化工作。它还制定了标准，例如GB / T 31024.2-2014 :协作式智能交通系统–专用短程通信–第2部分:介质访问控制层和物理层的规范。

美国的标准化活动

几家总部位于美国从事AI业务的私营公司与几家跨国公司一起建立了AI伙伴关系(Partnership on AI)，旨在发展和分享最佳实践。也有越来越多的研究机构和非政府组织致力于与人工智能有关的政策、伦理和安全问题。在可预见的将来，像 Partnership on AI这样协作性的私人计划最有可能成为美国公司某种标准的来源。

欧洲AI联盟

欧盟致力于开发一种全面的AI战略，以解决关于确保信任和提高认识的合理关切，并将覆盖所有相关利益相关者(企业、学术界、决策者、消费者组织、贸易组织以及民间社会的其他代表)。因此，欧盟计划建立一个欧洲AI联盟。第一步是成立一个高级AI专家组，作为该联盟工作的指导小组，此外，该专家组还将负责就中长期AI挑战和机遇向欧盟提出建议。专家组将通过其他举措来支持欧盟介入和外展机制，并提出AI伦理准则。高级专家的征选工作已于2018年4月完成，该小组应于2018年下半年开展活动。

行业协会和其它组织

Partnership on AI，它是由50多家最大的技术公司和以AI为重点的研究组织组成的不断壮大的联盟，目的是确保AI惠及人类和社会。尽管 Partnership on AI仍处于建设阶段，尚未发表任何研究成果，但它可以在不久的将来为标准的辩论做出宝贵的贡献。

皇家学会和信息技术产业理事会之类的其他组织则着重强调了需要进一步开展标准工作的领域。除了私营公司和行业协会的工作外，目前有十几家著名的研究组织正在考虑AI发展的影响，通常是为了确保安全创建通用AI。

标准化鸿沟

从开源和标准化的协调开发到神经网络的表示方法和性能评估，再到机器学习算法以及与AI相关的安全性，标准化鸿沟无处不在。

统一的数据模型和语义

今天已经有了一些针对特定领域标准化信息和数据模型的工作成果。但是，这些工作之间缺乏协调。为了AI，有必要协调并确保采用统一的方法来标准化不同领域的信息和数据模型。

基于数据模型的通用本体

不同领域中已经存在各种各样与本体有关的活动。因为机器学习通常不会局限于一个领域，而会涉及多个领域，所以必须协调这些依赖于领域的本体。需要努力协调不同领域之间的活动并标准化一个通用本体。

人工智能算法的验证

AI算法与其他算法的不同之处主要在于它们在运行时会发生变化。环境的变化也会影响自学习算法的功能。需要阐明要验证AI算法的哪些需求，或部署在哪里时需要验证整个系统。一次性验证是否有用或者周期性核查是否恰当也是需要斟酌的问题。

人工智能基础设施的基准测试和评估