AI 民主化：它意味着什么，如何运作？

眨眼间，您可能会错过最近一批使用人工智能 (AI) 的人。

有一天，炸玉米饼爱好者在当地的免下车餐厅向友好的机器人下单。¹接下来，调香师将使用 AI 工具来设计可持续的香水。²或者有机蔬菜农民部署除草机器人。³或者佩戴双光眼镜的人接受人工智能驱动的眼科检查。⁴

不需要 20/20 的视力就能理解这一点：随着 AI 的用例和优势以令人眼花缭乱的速度增长，使用 AI 的人类数量也在不断增加。先进的 AI 技术曾经深奥莫测，但现在却能赋予消费者和业务用户同样的能力。这种普及程度可以说是 AI 民主化的一个标志。

然而，仔细研究当前的 AI 实践表明，AI 民主化仍有改进的空间。要了解原因，重要的是要考虑民主化意味着什么，它如何影响当今的个人和企业，以及它在未来可能如何影响他们。

多年来，AI 民主化的定义一直在不断变化。从广义上讲，它可以被认为是 AI 应用程序和功能在社会中更公平的传播。在更精细的层面上，研究人员通常至少会在 AI 民主化的 3 个核心方面达成一致：⁵

• 推动 AI 使用的民主化
• 实现 AI 开发的民主化
• 实现 AI 治理的民主化

AI 使用民主化是指让机器学习 (ML)专家以外的更广泛的用户能够使用 AI。改善可及性的常见方法包括降低 AI 成本以及将 AI 纳入人们已经在使用的工具和平台。

早在 AI 进入公众视野之前，这一概念就已酝酿多年。例如，2016 年，Microsoft 宣布将实现 AI 的民主化，“将 AI 带出象牙塔，让所有人都能接触到它”。⁶ AI 使用民主化的意义在于，更多的人将在个人生活和工作中受益于 AI 功能。

面向消费者的生成式人工智能（生成式 AI）应用程序的发布和快速采用表明，AI 使用在消费者中正在实现民主化。2023 年的全球消费者信心调查发现，75% 的受访者使用 AI 驱动型工具。⁷最受欢迎的面向消费者的大型语言模型 (LLM) 应用程序 OpenAI 的 ChatGPT 号称每周活跃用户超过 2 亿。

然而，在企业中，AI 的使用因规模和行业而异。例如，由 IBM 委托进行的研究发现，42％ 的企业级组织（拥有 1,000 名以上员工的组织）积极使用 AI 系统，而另有 40％ 的人正在深入了解这项科技。但是，一项包括小型企业（平均员工人数低于 48 人）的调查确定，只有不到 4％ 的公司使用人工智能来生产商品和提供服务。

在美国人口普查局进行的这项调查中，采用率也因行业而异，食品服务和建筑公司报告的使用率最低。科技公司的使用率最高，这一点不足为奇。⁸

AI 发展的民主化是指让更多的人参与 AI 解决方案的创建。但这些人到底是谁取决于您对概念的解释。通常，这是为开发人员、研究人员和数据科学家提供免费或低成本的计算资源和技术工具，大型科技公司的雇员已经可以使用这些资源和技术工具。

不过，在其他情况下，开发民主化需要让非技术用户参与 AI 解决方案和模型开发。这意味着要超越稀有的专家圈子，关注那些不一定深入了解 AI 算法、数据集和计算机科学的人。

这可以通过提供工具来实现，这些工具可以帮助没有技术知识的用户构建和调整人工智能驱动应用程序。这个概念与企业内部的数据民主化有一些相似之处，即创建系统和采用工具的过程，使任何员工，无论其技术背景如何，都能将数据科学纳入决策过程。

在这两种情况下，AI 开发的民主化都被认为对 AI 创新的未来来说是一件好事。此类创新可优化 AI 模型，以便更有效地服务于比目前更广泛的利益相关者和用户。例如，以前无力创建定制 AI 应用程序的小型企业可能会发现，由于这里有更实惠的工具和服务，此类部署变得更加可行。

同时，来自代表性不足群体的消费者也可能从中受益，因为民主化开发有助于防止AI 偏见，即社会偏见无意中嵌入算法设计、AI 训练数据和 AI 开发的其他方面。AI 偏见可能会产生对代表性不足群体中的人们无益甚至有害的结果，从而阻碍他们参与经济和社会的能力。

正如 AI 治理中心的研究人员所指出的那样，偏见问题的部分原因在于，领先的 AI 公司通常雇用“一小部分特定群体”的开发人员。研究人员得出的结论是，让更多的人参与 AI 开发可以使应用程序服务于更多样化的利益。⁹

目前，大部分 AI 开发和创新仍集中在某些国家或地区和营利性部门。根据 2024 年的一项研究，美国的开发人员在一年内制作的 AI 基础模型数量是中国的 5 倍，而中国的开发水平位居第二。与此同时，科技行业的开发人员创建的模型数量是学术界开发人员的近 4 倍。¹⁰

人工智能治理是指有助于确保 AI 系统和工具安全与道德的流程、标准和防护栏。因此，人工智能治理民主化的理念是，除了开发人员和科技公司之外，让更多的人和组织对 AI 技术的安全和合乎道德的部署产生影响。

治理倡导者说，这种民主化有助于最大限度地减少与 AI 部署有关的危害，如歧视或侵犯隐私。它还可能有助于促进提高 AI 的可解释性、可阐释性、透明度以及其他可提高 AI 系统信任度的特性。

然而，正如 AI 发展的民主化一样，究竟谁应该参与治理民主化，具体情况可能会有所不同。一些人认为，它应该明确包括受 AI 部署影响的群体。¹¹ 还有人认为，所有社会成员都应以某种方式参与人工智能治理。¹²

治理民主化措施可在企业层面实施，公司可收集员工或客户对其 AI 系统治理的意见。从更广泛的角度来看，民主化努力是通过政府行动—即自愿框架和强制性法规—以及私营和公共部门的合作举措来实现的。

不同的工具和技术使更多个人和组织能够开发自己的 AI 应用程序，从而支持 AI 民主化。

开源软件是由用户社区集体开发和更新的软件。任何人都可以免费使用、修改和重新分发。在 AI 方面，开源模型库，例如由 IBM 合作伙伴 Hugging Face 提供的模型库，包括企业可以针对特定用例进行调整的基础模型。

其他开源工具可以帮助用户充分利用现有模型。例如，InstructLab 是 IBM Research 和 Red Hat 的一个开源项目，可生成合成数据，帮助加快 LLM 培训。合成数据可以根据特定的目标、价值和用例进行定制，而收集真实世界中符合类似规范的数据则十分困难，而且成本过高。

成功定制和部署 AI 系统所需的基础设施可能是寻求采用 AI 解决方案的组织的主要障碍。这种基础设施包括数据存储解决方案、计算资源、机器学习框架和机器学习运维 (MLOps) 平台。

幸运的是，利用软件即服务模式，企业将能够加快采用 AI，而无需进行重大基础设施投资。借助 IBM 和 Amazon 之间的合作，企业将能够更容易访问以 AI 为重点的 SaaS，IBM 现在通过 Amazon 的 AWS Marketplace 提供关键的数据存储和 AI 治理解决方案。

得益于无代码工具和平台，那些编码技能有限或没有编码技能的人也可以创建一些 AI 应用程序。Amazon SageMaker Canvas 等无代码解决方案可提供 AI 开发工作流程的自动化，并具有拖放界面，以实现以可视化为中心的方法。

近年来，私营和公共部门提出了一些倡议，以推进 AI 民主化的所有三种形式：使用、开发和治理。这些举措包括：

AI 联盟是一个由 AI 开发者、研究者和采用者组成的国际社区，旨在合作推动开放、安全和负责任的 AI。该社区由 IBM 和 Meta 于 2023 年发起，成员包括来自大学、行业和政府的领导者。该社区的目标包括制定基准和评估工具，以便负责任地开发和使用 AI，推动开源基础模型的发展，以及开发教育内容，为公众和政策制定者提供信息。

人工智能治理联盟 (AIGA) 由世界经济论坛在 2023 年世界经济论坛负责任的 AI 领导峰会之后发起。AIGA 在 AI 的开发和部署中提倡包容、道德和可持续性。其指导委员会负责就联盟的成果提出建议，成员包括学术界领袖、政府官员以及 Google、IBM、Meta 和 OpenAI 等技术组织的高管。

美国国家科学基金会的国家人工智能研究资源 (NAIRR) 试点项目旨在将全美的研究人员与 AI 基础设施资源联系起来。试点项目包括与其他 12 个联邦机构和 26 个其他组织的合作，其中包括 Amazon Web Services、Google、Hugging Face、IBM、Intel、Meta、Microsoft 和 OpenAI。

不同政府和政府间组织已经开发出值得信赖的 AI 框架，在 AI 系统开发和部署过程中促进公平性和透明度等关键品质。此类框架包括经济合作与发展组织的 AI 原则以及美国国家标准与技术研究院的 AI 风险管理框架。至少一个框架的原则后来被纳入立法，例如，欧盟《可信赖人工智能伦理准则》被纳入欧盟 AI 法案。

AI 技能培训为员工提供在工作中使用 AI 所需的技能和教育。事实证明，AI 技能培训对员工特别有帮助的学科包括客户服务、金融服务、医疗保健、人力资源和网络开发。尽管员工或其雇主可以投资于付费的 AI 培训项目，但仍有部分科技公司和大学提供免费的 AI 课程，其中包括 Amazon、IBM、哈佛大学和宾夕法尼亚大学。¹³