AI: Artificial Intelligence

การบูรณาการเทคโนโลยี AI เข้ามาใช้ร่วมกับชีวิตประจำวันของเรามีแนวโน้มเติบโตขึ้นอย่างรวดเร็ว ส่งผลให้เกิดการลงทุนและการพัฒนานวัตกรรม AI อย่างต่อเนื่อง จึงอาจถือได้ว่า AI จะเป็นองค์ประกอบที่สำคัญในการกำหนดอนาคตของสังคมและโลกที่เราอาศัยอยู่

ตัวอย่างเช่น Generative AI ที่นิยมนำมาใช้โดยทั่วไปในวงกว้าง สำหรับการสร้าง Content โดยใช้ ChatGPT  หรือ สำหรับการสร้างรูปภาพโดยการใช้ Bing ของ Microsoft เป็นต้น อย่างไรก็ตามยังมีอีกหลายเครื่องมือที่สามารถใช้ได้หลากหลายวัตถุประสงค์ จากการสำรวจ BSI’s "Trust in AI Poll" จำนวน 10,144 คน จาก 9 ประเทศ พบว่า กว่า 2 ใน 5 มีผู้ใช้งาน AI ในการทำงานเป็นประจำทุกวัน ในขณะที่ 38% เท่านั้นที่รู้ว่าเพลย์ลิสต์ที่นำเสนอตามประวัติการดูและฟังในอดีตเกิดจากการใช้ AI เช่น Netflix, Spotify, Amazon เป็นต้น และกว่า 61% ต้องการแนวทางสากลที่สามารถทำให้ใช้ AI ได้อย่างปลอดภัย

ในประเทศไทยมีการกำหนด โครงการปัญญาประดิษฐ์ระดับประเทศ หรือ AI Thailand เพื่อเตรียมความพร้อมด้านโครงสร้างพื้นฐานที่สำคัญส่งเสริมให้เกิดการพัฒนาและประยุกต์ใช้เทคโนโลยีปัญญาประดิษฐ์ของประเทศไทยให้บรรลุผลและเป็นไปตามนโยบายของรัฐบาลที่จะช่วยส่งเสริมเศรษฐกิจ ยกระดับขีดความสามารถทางการแข่งขันของประเทศ รวมถึงการพัฒนาทักษะของบุคลากรภายในประเทศ ตลอดจนมุ่งสร้างระบบนิเวศเทคโนโลยีปัญญาประดิษฐ์ให้เกิดขึ้นในประเทศไทย โดยได้จัดทำ “แผนปฏิบัติการด้านปัญญาประดิษฐ์แห่งชาติเพื่อการพัฒนาประเทศไทย (พ.ศ. 2565 – 2570)” เพื่อส่งเสริมการพัฒนาและประยุกต์ใช้เทคโนโลยีปัญญาประดิษฐ์ที่มีประสิทธิภาพสูงขึ้นและนําไปสู่การยกระดับเศรษฐกิจและคุณภาพชีวิตของประชาชน ผ่าน 5 ยุทธศาสตร์ 15 แผนงาน อ้างอิง https://ai.in.th/about-ai-thailand/

Artificial Intelligence (AI) หรือปัญญาประดิษฐ์

ถ้าจะกล่าวถึงคำที่ตรงกับความหมายมากที่สุด คือ ปัญญาประดิษฐ์ หรือ การคิดและมีการตอบสนองออกมาอัตโนมัติของระบบคอมพิวเตอร์ ตาม ISO/IEC 22989:2020 ได้ให้คำจัดกัดความไว้ว่า AI คือ "ความสามารถในการได้เรียนรู้ ประมวลผล สร้างสรรค และประยุกต์ใช้ความรู้ ที่จัดขึ้นในรูปแบบของแบบจำลอง เพื่อดำเนินงานที่ได้รับมอบหมายตั้งแต่หนึ่งงานขึ้นไป"

Machine Learning หรือการเรียนรู้ของเครื่อง

หรืออาจหมายถึง การทำให้คอมพิวเตอร์สามารถพัฒนาตัวมันเองได้จากการศึกษาจากข้อมูลที่มีการกำหนด หรือ การป้อนข้อมูลให้ คอมพิวเตอร์ทำความเข้าใจผ่านอัลกอริทึม และมีการส่งผลออกมาจากการเรียนรู้ ตาม ISO/IEC 22989:2020 ได้ให้คำจัดกัดความไว้ว่า ML คือ “กระบวนการปรับ พารามิเตอร์รูปแบบให้เหมาะสมผ่านเทคนิคการคำนวณ เพื่อให้พฤติกรรมของรูปแบบ (Model) สะท้อนถึงข้อมูลหรือประสบการณ์”

Deep learning หรือการเรียนรู้ในเชิงลึก

โดยเป็นความสัมพันธ์หรือหลักจากที่มีการเรียนรู้จากตัวเครื่องคอมพิวเตอร์ แต่ให้มีความเข้าใจมากขึ้น หรือลงรายละเอียดมากขึ้น เช่น จากการจัดหมวดหมู่ต่าง ๆ ของข้อมูล หรือสามารถวิเคราะห์ให้เกิดผลลัพธ์ได้ ตาม ISO/IEC 22989:2020 ได้ให้คำจัดกัดความไว้ว่า “วิธีการสร้างการแสดงลาดับชั้นที่สมบูรณ์ผ่านการฝึกอบรมของโครงข่ายประสาทเทียม (neural network) ที่มีระดับซ่อนอยู่จำนวนมาก” ซึ่งการเรียนรู้เชิงลึกเป็นส่วนย่อยของ ML

Algorithm หรือชุดของคำสั่งที่สร้างไว้ตามขั้นตอน

มายถึงกระบวนการ หรือชุดของกฎที่ใช้ในการคำนวณและการแก้ไขปัญหาอื่น ๆ โดยเป็นการคำนวนหรือดำเนินการจากระบบของคอมพิวเตอร์ ซึ่ง ISO/IEC 22989:2020 ได้กำหนดคำจำกัดความของ Machine Learning Algorithm ไว้ว่า “ขั้นตอนวิธีกำหนดพารามิเตอร์ของรูปแบบการเรียนรู้ของเครื่องจากข้อมูลตามเกณฑ์ที่กำหนด”

Chatbot แชทบอท หรือเจ้าหน้าที่ในการให้ข้อมูลลูกค้า

แชทบอทนั้นส่วนใหญ่จะเป็นการนำ AI มาต่อยอด เพื่อที่จะให้ทำงานหรือให้ข้อมูลเบื้องต้นจากการดำเนินการตามคีย์เวิดที่มีการกำหนดเอาไว้จากผู้ดูแลระบบ

Data mining คือเหมืองข้อมูล

ซึ่งมีการจัดทำรูปแบบเอาไว้อยู่ในชุดข้อมูลต่าง ๆ โดยที่สามารถระบุถึงความสัมพันธ์ และเทรนด์ของข้อมูลที่มีการจัดทำหรือรวมข้อมูลต่าง ๆ เอาไว้ ซึ่ง ISO/IEC 22989:2020 ได้อธิบายไว้ว่า “การทำเหมืองข้อมูลหมายถึงการประยุกต์ใช้อัลกอริธึมสำหรับการค้นหาข้อมูลที่ถูกต้อง แปลกใหม่ และมีประโยชน์จากข้อมูล การทำเหมืองข้อมูลเริ่มมีชื่อเสียงในช่วงปลายทศวรรษ 1990 และได้รับการยอมรับว่าแตกต่างจากวิธีการทางสถิติก่อนหน้านี้ สถิติแบบดั้งเดิมเน้นไปที่การรวบรวมข้อมูลที่จำเป็นและเพียงพอที่จะตอบคำถามเฉพาะเจาะจงได้ โดยทั่วไปแล้วการทำเหมืองข้อมูลจะใช้กับข้อมูลที่มีวัตถุประสงค์ใหม่เพื่อค้นหาคำตอบโดยประมาณหรือความน่าจะเป็นที่เหมาะกับรูปแบบ การทำเหมืองข้อมูลถือเป็นขั้นตอนการสร้างแบบจำลองอัลกอริทึมในกระบวนการ KDD (Knowledge discovery in data) ที่สมบูรณ์ ความพยายามในการทำเหมืองข้อมูลในระยะเริ่มต้น กลุ่มสมาคมสามารถให้รายละเอียดขั้นตอนทั้งหมดในการทำเหมืองข้อมูลในมาตรฐานอุตสาหกรรม CRISP-DM ที่เผยแพร่ในปี 2543 การทำเหมืองข้อมูลครอบคลุมเทคนิคต่าง ๆ รวมถึงแผนผังการตัดสินใจ การจัดกลุ่ม และการจำแนกประเภท เมื่อเทคโนโลยี Big data ถือกำเนิดขึ้นในช่วงกลางปี 2000 การประยุกต์ใช้อัลกอริทึมจึงไม่สามารถแยกออกจากการจัดเก็บข้อมูลได้อีกต่อไป และการสุ่มตัวอย่างอย่างระมัดระวังทำให้สามารถประมวลผลข้อมูลจำนวนมากได้เร็วขึ้น การเปลี่ยนแปลงเหล่านี้นำไปสู่คำอธิบายใหม่ของกระบวนการวงจรชีวิตของ KDD เวอร์ชันข้อมูลขนาดใหญ่ในฐานะกิจกรรมของวิทยาศาสตร์ข้อมูล แม้ว่า KDD และการค้นพบความรู้จะเป็นคำศัพท์ทั่วไปใน AI แต่สิ่งที่คอมพิวเตอร์สร้างขึ้นไม่ใช่ความรู้ แต่เป็นข้อมูล”

Prompt Engineer คือ ตำแหน่งวิศกร

มีความรับผิดชอบกี่ยวกับการดึงประสิทธิภาพสูงสุดของ AI มาใช้ ผ่านคำสั่งที่ป้อนเข้าไป (prompt) และให้ AI ตอบกลับได้ตรงความต้องการ โดยคำสั่งที่มีการป้อนเข้าไป คือ Input และผลลัพธ์ที่ AI ตอบเรากลับมา คือ Output

สามารถทำงานกับข้อมูลขนาดใหญ่

การนำ Artificial Intelligence (AI) มาใช้กับ Big Data หรือกลุ่มข้อมูลที่มีขนาดใหญ่นั้น เพื่อส่งเสริมให้เกิดนวัตกรรมใหม่ ๆ เพื่อเป็นการพัฒนากับปัญญาประดิษฐ์ ที่มีความเกี่ยวข้องนั้นจำเป็นต้องใช้ข้อมูลปริมาณมากเพื่อที่จะเรียนรู้และพัฒนาการตัดสินใจแบบมีประสิทธิภาพ และสามารถวิเคราะห์ข้อมูลในเชิงลึกได้ ดังนั้นการเรียนรู้หรือการใช้งานข้อมูลขนาดใหญ่ หรือ Big data ได้แบบมีประสิทธิ์ภาพ

การตัดสินใจผ่านข้อมูล

การตัดสินใจผ่านข้อมูลที่ผ่านจากการวิเคราะห์มาแล้วแบบเป็นกลาง โดยไม่มีการเอนเอียงหรือมีอารมณ์มาเกี่ยวข้อง ระบบ Artificial Intelligence (AI) ถูกออกแบบ แนวคิด อัลกอริทึม  (Algorithm) ให้เรียนรู้ข้อมูลต่าง ๆ เพื่อทำให้ประมวลผลได้อย่างแม่นยำและมีการวิเคราะห์ข้อมูลเชิงลึกที่ชาญฉลาดได้มากยิ่งขึ้นเรื่อย ๆ

เรียนรู้ได้รวดเร็ว

Artificial Intelligence (AI) หรือปัญญาประดิษฐ์มีความสามารถในการเรียนรู้ได้อย่างรวดเร็ว โดยส่วนมากนั้นจะเป็นการนำสิ่งที่ต้องผ่านการเรียนรู้ วิเคราะห์และนำมาใช้ เช่น ข่าวที่แชมป์หมากรุกชาวรัสเซีย ได้ถูกเอาชนะโดยปัญญาประดิษฐ์ที่ชื่อ Deep Blue หรือ ปัญญาประดิษฐ์ AlphaZero ที่ใช้เวลาเรียนรู้ ตั้งแต่ 0 จนสามารถชนะแชมป์โลกได้ในเวลาเพียงไม่กี่ชั่วโมง (ในข่าวที่มีออกมานั้นคือภาย 4 ชั่วโมง) เป็นต้น

การทำซ้ำอัตโนมัติ

ในการทำงานประจำวันนั้น มีหลาย ๆ อย่างที่จะเป็นการทำซ้ำ เช่น การตรวจสอบสถานะของอุปกรณ์ การตรวจสอบ ความถูกต้องของรายงานเหล่านี้นั้น Artificial Intelligence (AI)  สามารถทำได้ผ่านการตั้งค่าที่ความชัดเจน เช่น การกำหนดจากวันเวลา หรือผ่านการเรียนรู้ที่มีการสอนจากผู้ป้อนข้อมูล (AI Developer/Engineer) เพื่อให้ตัวของ Artificial Intelligence (AI) นั้นสามารถดำเนินการซ้ำได้ตามที่ต้องการ

ข้อมูลสำคัญอาจรั่วไหล

จากการนำข้อมูลเข้าในระบบ Artificial Intelligence (AI) หรือปัญญาประดิษฐ์มาใช้ เพราะเนื่องจากการนำข้อมูลเข้าในระบบ AI แบบเปิด เช่น ChatGPT นั้นจะมีการนำข้อมูลที่ได้จากการเรียนรู้และไปใช้ในการตอบกับผู้ถามท่านอื่น

ขาดความโปร่งใส

การอ้างอิงในการใช้ข้อมูลที่ได้จากปัญญาประดิษฐ์นั้น ผู้ที่ใช้งานจะไม่รู้เลยว่าข้อมูลที่ออกมาไปคัดลอกใครมารึเปล่า ในปัจจุบันข้อมูลที่ใช้เทรนปัญญาประดิษฐ์นั้นไม่ได้รับการเปิดเผยหรือบอกแหล่งที่มาซึ่งส่งผลให้ผู้ใช้งานอาจไปละเมิดลิขสิทธิ์คนอื่นโดยไม่รู้ตัวได้ นอกจากนี้ผลลัพธ์ที่ให้ไปไม่สามารถตรวจสอบว่ามาจากการใช้ระบบ AI หรือว่ามาจากคน สิ่งนี้กลายเป็นประเด็นสำคัญที่ถกเถียงกันอยู่ในการใช้งาน ซึ่งก็มีบางบริษัทพยายามมาแก้ปัญหาเหล่านี้แล้วเช่น Adobe ที่จะสร้าง AI วาดรูปของตนโดยใช้ภาพบนคลังของตนเอง คนที่อนุญาตจะได้ส่วนแบ่งการใช้งาน AI ได้ซึ่งก็เป็นอีกโมเดลการใช้งานนึงที่แก้ปัญหานี้ได้

เพิ่มอัตราการว่างงาน

มีการทำวิจัยเกี่ยวกับแนวโน้มของการนำ Artificial Intelligence (AI) หรือปัญญาประดิษฐ์มาใช้นั้น อาจจะมีตำแหน่งงาน รวมทั้งตัวบุคคลกรที่อาจจะไร้งาน หรือถูกแทนที่ด้วยระบบปัญญาประดิษฐ์

สรุปคือ AI ช่วยมอบโอกาสในการเพิ่มขีดความสามารถในการทำงานได้อย่างมีศักยภาพมากขึ้นและชาญฉลาดขึ้น ดังนั้นองค์กรจะรับมือกับความท้าทายนี้อย่างไร เพื่อให้มั่นใจได้ว่า Digital Trust หรือ ความเชื่อมั่นต่อความมั่นคงปลอดภัยในดิจิทัล ได้ถูกฝังอยู่ในการพัฒนาใหม่ทุกครั้ง รวมถึงความรับผิดชอบต่อการใช้ AI บนพื้นฐานหลักการทางศีลธรรม และจริยธรรมอย่างสม่ำเสมอ

พบว่า พระราชบัญญัติ AI ของสหภาพยุโรป (EU AI Act) พร้อมที่จะเป็นกฎหมายบุกเบิกในกฎระเบียบด้าน AI เน้นย้ำถึงความทุ่มเทของสหภาพยุโรปในการสร้างความเชื่อมั่นต่อความมั่นคงปลอดภัยในดิจิทัล หรือ Digital Trust พระราชบัญญัติดังกล่าวนี้สรุปกรอบการทำงานที่ครอบคลุมถึงข้อกำหนดด้านจริยธรรม ประสิทธิภาพ และความโปร่งใส เพื่อป้องกันสิทธิขั้นพื้นฐานได้ (EU AI Act: first regulation on artificial intelligence)

เมื่อเดือนพฤศจิกายน 2566 ที่ผ่านมา ETDA ได้เปิดตัวศูนย์ธรรมมาภิบาลปัญญาประดิษฐ์ หรือ AI Governance Clinic by ETDA (AIGC) ซึ่งเป็นอีกหนึ่งความร่วมมือระหว่างหน่วยงานเครือข่าย ผู้เชี่ยวชาญทั้งในและต่างประเทศ เพื่อพัฒนากรอบธรรมาภิบาลปัญญาประดิษฐ์สำหรับการทำธุรกรรมทางอิเล็กทรอนิกส์ในทุกภาคส่วนตลอดจนเป็นแหล่งให้คำปรึกษา พัฒนา และแลกเปลี่ยนองค์ความรู้ทางวิชาการ นวัตกรรม และเทคโนโลยีที่เกี่ยวข้องกับธรรมาภิบาลปัญญาประดิษฐ์ อ้างอิง: https://www.etda.or.th/th/Our-Service/AIGC/index.aspx

อย่างไรก็ดีองค์กรที่ให้ความสนใจในการบริหารจัดการ AI ภายในองค์กร เพื่อการจัดการกับความท้าทายที่เกี่ยวข้องกับการนำ AI ไปใช้งานในกรอบระบบการจัดการที่ได้กำหนดซึ่งครอบคลุมในด้านต่าง ๆ เช่น จริยธรรม ความรับผิดชอบ ความโปร่งใส และความเป็นส่วนตัว เพื่อดูแลด้านต่าง ๆ ของปัญญาประดิษฐ์ โดยมีแนวทางบูรณาการในการจัดการโครงการ AI ตั้งแต่การประเมินความเสี่ยงไปจนถึงการรักษาความเสี่ยงเหล่านี้อย่างมีประสิทธิผล สามารถนำระบบการบริหารจัดการ AI (ISO/IEC 42001:2023 - AIMS: Artificial Intelligence Management System) ซึ่งเป็นมาตรฐานระบบการจัดการ AI ฉบับแรกของโลกที่ตอบสนองความต้องการดังกล่าวมาประยุกต์ใช้ เพื่อเป็นแนวทางสำหรับความเป็นเลิศในการรับรองความมั่นคงปลอดภัยและสนับสนุนความยั่งยืนผ่านกลยุทธ์การบริหารจัดการความเสี่ยงได้

AIMS คืออะไร?

ISO/IEC 42001 Artificial Intelligence Management System ถูกประกาศอย่างเป็นทางการเมื่อวันที่ 18 ธันวาคม 2566 มีความมุ่งหมายที่จะช่วยองค์กรปฎิบัติหน้าที่อย่างมีความรับผิดต่อระบบ AI เช่น การใช้ การพัฒนา การเฝ้าระวังรวมถึงการให้บริการและผลิตภัณฑ์โดยการใช้ AI ซึ่งมีความเป็นไปได้ที่ AI นำพามาซึ่งประเด็นข้อกังวล ดังนี้:

• การใช้ AI สำหรับการตัดสินใจอัตโนมัติ (decision-making) บางครั้งเป็นไปอย่างไม่โปร่งใสและไม่ทางอธิบายได้ จึงต้องการการบริหารจัดการจำเพาะให้เหนือกว่าการบริหารจัดการระบบ IT เดิม ๆ
• การใช้การวิเคราะห์ข้อมูล การเรียนรู้เชิงลึกและการเรียนรู้ของเครื่อง (machine learning) มากกว่าทำโดยคน จึงส่งผลให้เพิ่มโอกาสการใช้ AI และเกิดหนทางการเปลี่ยนแปลงระบบที่ถูกพัฒนานำมาใช้ และมีความชอบธรรม
• การเปลี่ยนแปลงพฤติกรรมของระบบ AI โดยเกิดจากการเรียนรู้อย่างต่อเนื่องในระหว่างใช้งานของระบบ AI เอง สร้างความน่ากังวลเป็นพิเศษเพื่อให้มั่นใจในความรับผิดชอบอย่างต่อเนื่องของทุกๆการเปลี่ยนแปลงพฤติกรรมของระบบ AI

ISO/IEC 42001 ได้ให้ข้อกำหนดสำหรับ การจัดทำ ดำเนินการ รักษาไว้ และพัฒนาอย่างต่อเนื่องของระบบบริหารจัดการ AI ภายในบริบทขององค์กร ซึ่งองค์กรถูกคาดหวังในการประยุกต์ใช้ข้อกำหนดที่มีต่อคุณสมบัติที่จำเพาะของ AI คุณสมบัติจำเพาะบางอย่างของ AI เช่น ความสามารถในการเรียนรู้และพัฒนาอย่างต่อเนื่อง หรือความบกพร่องของความโปร่งใสหรืออธิบายได้ อันเป็นการรับประกันความแตกต่างของการป้องกัน การนำระบบบริหารจัดการ AI เพื่อขยายโครงสร้างการบริหารจัดการถือเป็นกลยุทธการตัดสินใจขององค์กรได้ อีกทั้งองค์กรสามารถเลือกประยุกต์ใช้ข้อกำหนดบนพื้นฐานการควบคุมความเสี่ยงการใช้งานต่าง ๆ ของ AI ทั้งด้านบริการและผลิตภัณฑ์ภายในขอบข่ายขององค์กร

โครงสร้างเอกสารข้อกำหนด ISO 42001: Artificial Intelligence Management System อยู่ในรูปแบบ Harmonized structure ประกอบด้วย การระบุเลขข้อกำหนด หัวข้อข้อกำหนด เนื้อหา รวมถึงความหมายที่เหมือนกันโดยทั่วไปและความหมายหลัก เป็นรูปแบบที่ถูกพัฒนามาเพื่อให้สามารถนำมาใช้ร่วมกันกับระบบบริหารจัดการอื่น ๆ ได้ โครงสร้าง Harmonized structure ของ ISO 42001 ประกอบด้วย

1. Scope แสดงขอบข่ายของเอกสารข้อกำหนดดังกล่าว
2. Normative references อ้างอิงมาตรฐานที่เกี่ยวข้อง ISO/IEC 22989:2022, Information technology – Artificial intelligence – Artificial intelligence concept and terminology
3. Terms and definitions คำศัพท์และความหมาย ทั้งหมด 26 คำศัพท์สำคัญที่เกี่ยวข้อง อ้างอิงเพิ่มเติมใน ISO/IEC 22989
4. Context of organization บริบทองค์กร
5. Leadership ผู้นำ
6. Planning การวางแผน
7. Support การสนับสนุน
8. Operation การดเนินการ
9. Performance evaluation การประเมินผลงาน
10. Improvement การพัฒนา

องค์กรต้องประยุกต์ใช้ข้อกำหนดของมาตรฐาน ISO/IEC 42001 ตั้งแต่ข้อ 4 ถึงข้อ 10 เป็นสำคัญ ครอบคลุมถึง Annex A เช่นกัน

สำหรับ Annex A: Reference control objectives and controls มีจำนวนทั้งหมด 10 ข้อหลัก ถูกกำหนดให้มีการพิจารณานำไปประยุกต์ใช้ตามหลักการในข้อกำหนด 6.1.3 เพื่อให้บรรลุวัตถุประสงค์ขององค์กรและความเสี่ยงที่เกี่ยวข้องในการออกแบบและดำเนินการของระบบ AI ซึ่งการควบคุมในแต่ละข้อของ Annex A ต้องนำมาพิจารณาเพื่อเลือกใช้ตามผลการประเมินความเสี่ยง โดยจัดทำ Statement of Application (SoA) ระบุการให้เหตุผลของการเลือกใช้และไม่เลือกใช้ตลอดจนอ้างอิงถึงการควบคุมที่ประยุกต์ใช้ อย่างไรก็ดี องค์กรสามารถออกหัวข้อมาตรการควบคุมหรือเลือกมาตรการควบคุมจากมาตรฐานอื่น ๆ มาใช้ร่วมกันได้

ในการประยุกต์ใช้ตามมาตรการควบคุมของ Annex A สามารถนำ Annex B: Implementation guidance for AI controls มาเป็นแนวทางมาตรการควบคุมให้กับองค์กรได้เช่นกัน

Annex C: Potential AI-related organizational objectives and risk sources วัตถุประสงค์และแหล่งที่มาของความเสี่ยงที่อาจเป็นไปได้ขององค์กรที่เกี่ยวข้องกับ AI ภาคผนวกนี้สรุปวัตถุประสงค์ แหล่งที่มาของความเสี่ยง และคำอธิบายที่องค์กรสามารถพิจารณาได้เมื่อจัดการความเสี่ยงที่อาจเป็นไปได้ขององค์กร ภาคผนวกนี้ไม่ได้มีจุดมุ่งหมายเพื่อให้ครอบคลุมหรือใช้ได้กับทุกองค์กร องค์กรควรกำหนดวัตถุประสงค์และแหล่งที่มาของความเสี่ยงที่เกี่ยวข้อง อย่างไรก็ดี ISO/IEC 23894 ให้ข้อมูลโดยละเอียดเพิ่มเติมเกี่ยวกับวัตถุประสงค์และแหล่งที่มาของความเสี่ยงเหล่านี้ และความสัมพันธ์กับการจัดการความเสี่ยง การประเมินระบบ AI ในตอนแรกเริ่ม อย่างสม่ำเสมอ และเมื่อตอนรับประกัน จะแสดงหลักฐานว่าระบบ AI ได้รับการประเมินตามวัตถุประสงค์ขององค์กร

Annex D: Use of the AI management system across domains or sectors การใช้ระบบบริหารการจัดการ AI ข้ามโดเมนหรือภาคส่วน ในภาคผนวกสุดท้ายนี้แสดงกรอบของการดำเนินการประยุกต์ใช้มาตรฐาน ISO/IEC 42001 รวมถึงการรับรองและการประยุกต์ใช้ร่วมกับระบบ ISO อื่น ๆ ได้

ติดตามตอนต่อไปเร็ว ๆ นี้....

อ่านบทความอื่น ๆ เกี่ยวกับ AI: Artificial Intelligence >