学习
实践
活动
专区
工具
TVP
写文章

国家人工智能标准编制会议在北京顺利召开

随着信息技术的迅猛发展,人工智能逐步成为赋能各个领域和产业的关键技术,受到社会的广泛关注,相关标准化工作也变得越发重要。为进一步促进人工智能领域技术和产业发展,经国家人工智能标准化总体组与中国电子技术标准化研究院组织相关产学研单位征集标准需求,AIII产业研究院参与专家评审,形成了《信息技术 人工智能 机器学习模型质量》等11项标准需求建议。

2018年10月15——16日,国家人工智能标准编制会议在北京顺利召开,翁家良副院长代表AIII产业研究院应邀参加了多个标准的标准会议,并提出了重要的编制意见。

关于“机器学习模型的质量标准”重点考虑以下顶层设计模块和维度:

(1)数据质量标准 :建议加入质量和风险管理的标准

(2)机器学习质量标准:在部署机器学习训练过程中的运营和产出指标的质量。

(3)应用服务质量标准:包含部署过程中的质量管理、实时测试、监控、应急反应和风险管理。最后也要考虑到此质量标准在不同技术和应用架构,如云计算vs边缘计算是否会不一致。

关于“人工智能能力成熟度标准” 重点关注以下四点:

(1)两种能力成熟度 : 可以分为2种 第一为企业人工智能服务能力成熟度 第二为人工智能服务和产品供应商的能力成熟度

(2)成熟度等级算法 :以其总计为一个最终打分,考虑以图像来表达在不同纬度的成熟度。如多维度的八爪鱼图像,因为不同应用对不同纬度,有不同的需求。

(3)打分考虑 :为了进行合理评估, 一方面从技术上进行评估,另一方面从业务需求上进行评估,然后结合起来做综合评估。

(4) 测试方法:可以组织专家来做测试基准,对比人工智能系统的能力。

关于"人工智能面向机器学习的数据标准” 重点关注以下两点:

(1)数据追溯 - 数据标注即数据加工,所以Meta Data的标准需要更加宏观,需要留着加入其他Meta Data。如数据源, 加工人员和历史,使用历史等等。后续可以发挥更大的价值包括原始数据质量,数据标注过程质量,数据产出的效率和效果,了解需要什么样的原始数据。

(2)数据标准加强机器学习模型和训练数据的关联 - 如果数据可以追溯,就可以分析和分解机器学习模型和源数据的关系,例如算法源于什么数据,如何形成,如果解释算法的推理等。

关于“人工智能智能助理标准” 重点关注以下两点:

(1)评估分两种 : 一个是系统能力,可以提供量化评估标准;另外一个是用户场景的需求,提供标准框架来引导用户来评估。

(2)功能评估项可分为两类 :一类是基础的功能项,可以参照其他标准。第二类是核心关键的功能项:“用户安全”如“可控性”“可靠性”等等需要包含在此标准。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181016G29YTM00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

关注

腾讯云开发者公众号
10元无门槛代金券
洞察腾讯核心技术
剖析业界实践案例
腾讯云开发者公众号二维码

扫码关注腾讯云开发者

领取腾讯云代金券