Chris Fechner 谈澳大利亚的生成式 AI 试验
快速阅读: 《文华酒店》消息，在澳大利亚最近的生成式人工智能试验中，微软Copilot显著提高了政府员工的效率，每天平均节省一小时工作时间，其中40%用于学习和团队合作。试验还强调了管理和存储信息及技术环境的必要性。未来，政府需培养正确的人工智能使用理念，提高技能，并采取透明和负责任的治理框架。克里斯·费彻尔将在“建设更好的公共服务”会议上分享更多见解。
在克里斯·费彻尔的指导下，澳大利亚最近实施了一项试验，使用生成式人工智能工具来了解人工智能对政府运作的变革潜力。主要的收获是什么？微软的Copilot员工每天平均节省一小时的工作时间，其中40%的时间被重新投资到学习和团队合作中。在这次采访中，克里斯分享了主要的收获，并讨论了人工智能将如何重塑公共部门。
问：澳大利亚最近试用了生成式人工智能工具。这次试验的主要成果是什么？你如何看待生成式人工智能塑造政府服务的未来？
由数字转型局（DTA）领导的微软Copilot试验涉及60多个政府部门的超过7600名员工。主要成果包括：
– 提高效率和生产力：员工每天在行政任务上平均节省一小时。
– 增强技能培养：40%节省下来的时间用于学习和团队协作。
– 从信息和技术的角度来看，试验突显了需要管理信息存储和访问的方式以及我们技术环境（尤其是遗留技术）的管理方式，以确保人工智能能力按预期运行。
– 试验评估还显示，参与者感到舒适地探索Copilot可以为他们不同的工作任务带来新功能，包括编程和脚本、生成图像和完整的演示文稿，以及搜索和总结数据库。Copilot这些意外用途展示了其增强政府工作各方面潜力的能力，而不仅仅是常规任务。
然而，试验也表明，特定任务所需的专业水平越高，生成式人工智能输出达到或超越人类专家工作的可能性就越低。我们在迈向这一未来的过程中面临的挑战是如何安全、快速且经济地改变我们的劳动力、流程、系统和治理，以确保我们实现使用人工智能的预期效益，同时避免无意后果（如偏见和幻觉）和可能的危害。
问：公务员需要具备哪些技能来采用像人工智能这样的技术？你用什么策略帮助他们准备？
在我看来，为了开始使用并成功部署人工智能，政府需要消除一种观念，即人工智能是一种无所不能的“魔法”。打破这种观念需要分五个步骤：
– 人工智能并不是单一的东西。就像许多人对“云端”有一个抽象、模糊的理解一样，我们也对人工智能做了类似的事情，尤其是在围绕生成式人工智能的炒作中。我们需要决策者、实施者和使用者了解他们正在使用的不同类型的AI，以及如何有信心地确认它们的准确性和适用性。
– 并非所有政府任务都适合使用人工智能。我们必须理解使用人工智能进行特定任务或领域的适当性和风险。例如，自动增加或减少养老金支付给老年人的生成式人工智能可能不适合，除非有非常严格的控制措施。另一方面，利用ATO的专门知识和详细数据，通过窄预测人工智能来识别税务系统中的潜在欺诈案件，可能是公众期望的应用案例。
– 人工智能本身不对它产生的结果负责——人是负责的。为了准备使用人工智能，我们需要确定、培训并公开谁在机构中有决策和使用权，以确保公众对我们使用人工智能的信任和信心。
– 人工智能依然是一个工具，数据是它的燃料。政府长期以来一直是数据收集者，人工智能正在为使用这些数据打开无数新的机会和风险。为了准备政府使用人工智能，我们需要关注我们的数据，无论是用于训练人工智能、奠定人工智能推断的基础，还是通过使用人工智能形成的新数据。
– 有效使用我们的AI保障框架——不仅仅是在开发过程中，而是贯穿整个AI生命周期。通过要求所有政府机构遵循透明度声明的标准，我们鼓励信任。通过问责官员标准，我们展示出我们正在积极管理风险并在政府内部合作，以安全地采用人工智能为公众利益服务。
我们的政策也强调了通过教育和培训提高技能和理解的重要性。
问：组织和团队领导者可以做些什么来创造一种自信且准备好负责任地采用人工智能的文化？
实验和成长的心态是政府领导者的重要能力。人工智能不仅仅是像上世纪80年代计算机和系统采用那样的数字自动化工具。人工智能代表了全新的可能性和为所有人提供政府服务的新方式。这就是为什么在2019年，澳大利亚政府引入了八项人工智能伦理原则——人类、社会和环境福祉；以人为本的价值观；公平、隐私保护和安全；可靠性与安全性；透明度和可解释性；争议性；以及责任——以确保我们使用的AI解决方案是安全、可靠和可靠的，并且管理它们的人是有知情权和责任感的。
问：对于那些领导人工智能项目的人来说，你会给他们什么建议来影响领导层并确保人工智能的采用成为优先事项？
在我长期的数据和数字化职业生涯中，我从未见过如此多的恐惧、期待和公共和私营部门领导者的FOMO（错失恐惧症）。我的建议是利用他们的兴趣，从一个共同的治理方法开始（想想“先不伤害”的希波克拉底誓言）。接下来，建立一种方式来集中不同利益相关者的广泛兴趣，以便稀缺的AI技能可以协同应用于实验和测试一些潜在用途——类似于一个临时工作组。一旦确立了AI在组织内具有实际应用（而不仅仅是炒作），鼓励领导者参与广泛的社区，发现、验证和优先考虑AI提供的新机会，并从其他人的实验和经验中学习。
问：你认为哪些具体的AI应用场景最有可能提高政府运营的效率和效果？
一个重要的机会在于通过人工智能副驾提高APS（公共服务）的生产力。这些工具增强了APS工作人员在各个工作领域中的技能和知识。例如，微软的Copilot协助起草和修订文件、搜索特定信息的文件以及整理数据。我们有限的试验显示，这些服务平均每人每天节省大约一小时的时间，通过额外的培训，预计还会进一步提高。GitHub Copilot，经过数十亿行代码训练，提供了实时、上下文感知的编码建议。这意味着经验较少的APS开发人员可以在开发和测试软件时提高生产力，而专家开发人员可以让AI副驾处理更常规的工作，使他们能够专注于软件开发任务中最复杂的部分。
专为政府特定领域设计的副驾，如社会保障或税收，也在筹备中。在APS知识工作者领域，经验较少的员工将能够提出问题并获得易于理解的答案，从而提高生产力，并减少高级员工需要投入的知识转移和培训时间。另一个有前景的应用场景是将AI应用于预测和分析任务，如欺诈检测。政府处理大量支付，其中涉及敏感和脆弱群体，使得欺诈活动的风险很高。AI可以筛选大型数据集，识别异常或“噪音中的信号”，并将这些案件移交给APS进行进一步调查。这种方法利用政府数据和定制的AI模型，有望追回数十亿美元的损失资金。
展望未来，你对未来五年内数字转型和人工智能在澳大利亚政府中的角色有什么愿景？下一步是什么？
展望五年内人工智能领域的发展是一项非常困难的任务。自ChatGPT推出以来，人工智能能力的爆炸性增长和发展几乎每周都在改变可能的边界。我的愿景的第一部分是我们需要非常擅长应对快速变化的速度，这意味着平衡我们的AI投资与很快就会取代它们的可能性。这意味着确保这些投资的短期价值。这也意味着更加关注我们的技术和数据架构。确保我们做一些简单的事情，比如解耦复杂的政府技术解决方案，利用API连接我们服务的各种线程，并仔细策划和管理我们的数据。我们几乎会在我们做的每件事中都有AI代理。随着时间的推移，这些代理将承担越来越多的人类支持的复杂方面，在某些情况下，这将进入完全自主的AI。
克里斯·费彻尔将在《曼宁》即将举行的“建设更好的公共服务”会议上发表演讲。本文摘自《政治家》。
(以上内容均由Ai生成)
