Wyzwania dla rozwoju SI: technologiczne, normatywne, etyczne i społeczne

Podczas otwarcia III Spotkania Poświęconego Sztucznej Inteligencji, zorganizowanego przez AMETIC, Sekretarz Stanu ds. Cyfryzacji i Sztucznej Inteligencji, Carme Artigas, podkreśliła, że „po kryzysie zdrowotnym i zamknięciu gospodarki nastąpi odbudowa gospodarcza, co do której nikt nie ma wątpliwości, że będzie cyfrowa. SI to nie przyszłość, lecz teraźniejszość, która odegrała bardzo ważną rolę w czasie pandemii i będzie odgrywać coraz większą rolę w przyszłości; nie istnieje żaden sektor produkcyjny – ani publiczny, ani prywatny – który nie korzystałby z SI”. Artigas wskazała w tym kontekście, że „musimy postawić na rozwój i wdrażanie sztucznej inteligencji, żeby zwiększyć konkurencyjność i wzmocnić nasz przemysł tak, aby sprostać wyzwaniom społecznym, koncentrując się przede wszystkim na ludziach”.

Artigas podkreśliła również potrzebę refleksji po pandemii nad nowymi krajowymi rezerwami strategicznymi, w których Big Data i SI będą miały fundamentalne znaczenie. Takie przemyślenia muszą zostać przeprowadzone na szczeblu krajowym i europejskim. W tym kontekście Sekretarz Stanu wskazała, że istnieją cztery główne wyzwania dla rozwoju SI: technologiczne, normatywne, etyczne i społeczne. Powiedziała też, że Hiszpania jest w stanie rozwinąć na szeroką skalę bezpieczny, stabilny, możliwy do skontrolowania i przejrzysty przemysł SI.

W spotkaniu wziął również udział José Carlos Baquero, Dyrektor ds. Sztucznej Inteligencji i Big Data w GMV Secure e-Solutions, uczestnicząc w debacie na temat etyki i prywatności, które są niezbędne dla zapewnienia wiarygodności SI. Podczas swojego wystąpienia wskazał, w jaki sposób możemy osiągnąć równowagę pomiędzy prywatnością a możliwością wykorzystania danych za pomocą uTile PET (Privacy-Enhancing Technologies).

Rozwiązanie uTile GMV pozwala na wykorzystanie poufnych danych w celu doskonalenia algorytmów automatycznego uczenia się i modeli analitycznych

Rozwiązanie uTile, opracowane przez GMV, pozwala na wykorzystanie poufnych danych w celu doskonalenia algorytmów uczenia maszynowego i modeli analitycznych, spełniając przy tym w każdym momencie wymogi organizacyjne i gwarantując prywatność danych, przy uwzględnieniu obowiązujących przepisów. Wszystkie organizacje mogą czerpać korzyści z technologii uTile (zapewniającej równowagę między prywatnością a wykorzystaniem danych), poprzez bezpieczne udostępnianie, a nawet komercjalizowanie wiedzy opartej na posiadanych przez nie danych, dzięki szyfrowanemu przetwarzaniu, przestrzeganiu prywatności rozproszonych źródeł danych oraz bezpiecznej wymianie informacji.