语境:

大流行教授我们很多课程,并将我们的思想开启了新的做事方式,包括了解人工智能(AI)和机器学习(ML)等技术的潜力。

关联:

GS文件3: S&T开发和日常应用&效果;在它的领域,空间的意识, Computers, Robotics, Nanotech,Biotech,知识产权问题。

主电源问题:

  1. 人工智能(AI)和机器学习(ML)模型和算法辅以监测和预测趋势的医疗专业人士,医学研究人员,公共卫生当局和当地主管部门的工作。解释15分
  2. AI的未来看起来很有希望,但要将潜力转化为现实,印度需要更好的策略。讨论。 15分

文章的尺寸

  • 什么是人工智能?
  • 人工智能的意义
  • 与人工智能相关的问题
  • 政府采取的措施
  • 前进

什么是人工智能?

人工智能(AI)电脑科学的广泛分支与建设能够执行通常需要人类智能的任务的智能机器。 AI是一种具有多种方法的跨学科科学,但机器学习和深度学习的进步正在创造在科技产业的每个部门的范式转变。而且

  • 它是人类智能过程的模拟 由机器,尤其是计算机。
  • 它指的是 机器执行认知的能力 任务等思维,感知,学习,解决问题和决策,并在实时情况下执行任务而不会不持续监督。
  • 特定应用程序 AI包括专家系统,语音识别和机器视觉。
人工智能 -  Swisscognitive  - 全球AI枢纽

人工智能的意义:

  • Niti Aayog的国家战略AI设想'AI' 对于包容性增长,并确定医疗保健,农业,教育,智能城市和基础设施,以及智能行动和运输,为AI-LED解决方案的社会影响解决方案。
  • 数据和ai. 预计服务有助于提高印度的经济增长。 NASSCOM认为数据和AI将在2025年之前为印度的GDP贡献450亿美元,占政府愿望为5万亿美元的愿望的10%。
  • 它有可能克服 资本与劳动力的局限性 并开辟新的价值和增长来源。
  • 越来越多的AI经济 估计仅创建超过2000万个技术角色。
  • ai可以创造不仅仅是利基解决方案 对银行和其他服务提供商正在部署的特定问题,例如加快贷款应用程序处理或改善客户服务;
  • 它还可以为更好的治理和社会影响提供解决方案。 For example, 在锁定期间,Telangana警方使用了启用了AI的自动数字板识别软件来捕捉违规。
  • 它有可能通过启用推动增长
  • 智能自动化i.E. 能够自动化复杂的物理世界任务。 o创新扩散I.E.通过经济推动创新。
  • 社会发展中的作用和包容性增长: 获得优质卫生设施,解决位置障碍,为农民提供实时咨询,并帮助提高生产力,建立智能和高效的城市等。
  • 数据的指数增长 不断喂养AI改进。
  • AI在字段中具有各种应用 喜欢医疗保健,教育,智能城市,环境,农业,智能行动等。

与人工智能有关的问题:

  • 伦理问题 - 随着新技术的普及,它的美德并不能保证。例如,互联网使其可以与任何人连接并从任何地方获取信息,但也更容易误导误导。
  • 数据管理- 由于数据流和数据所有权缺乏明确,可能导致数据殖民主义(由发展中国家产生的数据而不是受益)。
  • 偏见: 人工智能中使用的算法是离散的,在大多数情况下,商业秘密。它们可以被偏见,例如,在自学习过程中,他们可以吸收和采用社会中存在的刻板印象,或者由开发人员转移到它们并根据他们做出决定。
  • 问责制: 如果AI系统在其分配的任务中失败,则应对其负责。例如当它为另一名司机困惑他时,反恐面部识别计划撤销了一个无辜者的驾驶执照。

政府采取的措施:

  • 民族人工智能战略 - NITI Aayog已确定AI可能有用的五个区域。它指出,AI周围缺乏规定,作为印度的主要弱点。
  • 国家信息学中心(NIC)的人工智能卓越中心 这是AI空间中创新新解决方案的平台,一个用于测试和开发NIC在中央和州水平的项目解决方案的门户。
  • 全球人工智能伙伴关系(GPAI): 最近,印度加入了GPAI作为创始成员。 GPAI是多利益攸关方国际伙伴关系,促进负责任和以人为中心的开发和利用AI,基于人权,包容,多样性,创新和经济增长。

前进

印度赌注很高。我们需要加快愿意抓住未来礼物的机会。三个领域需要我们的注意力。

  • 第一个是人才发展。 除非我们能够满足合适的人才的需求,否则无法对AI准备进行有意义的对话。在2019年,我们均在前一年的40,000岁时将我们的AI劳动力增加到72,000。
  • 第二个区域是围绕数据使用,治理和安全性的政策。 没有数据,就不能有AI。但是,我们在我们的线束和利用数据的方式中需要平衡的方法。我们需要一个强大的法律框架,管辖数据,并用作AI伦理使用的基础。
  • 第三,虽然使用数字技术已经上涨了,数字化水平持续低位。这对组织来说,在寻找运行AI / ML算法的正确培训数据时,这对组织构成了很大的挑战,这反过来影响结果的准确性。然后存在清洁数据集的可用性问题。组织需要投资于在分析分析之前清理其数据的数据管理框架,从而大大提高了AI模型的结果。

AI的未来看起来很有希望 但要将潜力转化为现实,印度将需要更好的人才发展战略,数据使用和治理的更强烈的政策,以及更多的投资创造一个真正利用AI的技术基础设施。

分享本文

发表评论

您的电子邮件地址不会被公开。 必需的地方已做标记 *

启用通知    好的 不,谢谢