IBM与数据与信任联盟如何在数据生态系统中促进更大的透明性
内容提要
强大的数据治理是健全人工智能（AI）治理的基础。数据的透明性对于任何使用数据进行决策或塑造业务策略的组织来说至关重要。IBM与Data & Trust Alliance和其他18家企业合作共同创建和测试了数据溯源标准，用于描述数据的来源、血统和适用性。初步发现表明，数据溯源标准可以提高整体数据质量。IBM正在将内部数据标准与数据溯源标准对齐，以高效地应对数据清理请求并保持负责任数据获取的高标准。
延伸解读
数据治理：AI治理的基石
文章强调，强大的数据治理是健全人工智能治理的基础。对于开发或部署负责任AI的企业，必须从数据治理入手，以满足当前或即将出台的法规，并创建可解释、透明和公平的AI。数据透明性有助于建立信任、问责制和可信度，但常因数据集元数据不完整或不清晰而受阻，导致耗时的手动调查。
跨行业数据溯源标准：合作与初步成效
IBM与Data & Trust Alliance及其他18家企业合作，共同创建并测试了数据溯源标准，这是首个跨行业的元数据标准，用于描述数据来源、血统和适用性。测试中观察到数据清理审查时间有所改善，初步发现还表明该标准能提升整体数据质量。基于这些早期成果，IBM正在将内部数据标准与数据溯源标准对齐，以高效应对激增的数据清理请求，同时保持负责任数据获取的高标准。
从原则到实践：构建可信AI
对IBM而言，构建可信AI意味着制定明确的信任和透明原则，将这些原则付诸实践，并将伦理嵌入AI生命周期的每个环节。例如，IBM Granite基础模型被认为是世界上最透明的模型之一，部分归功于其通过现有数据清理审查流程所实现的数据治理和风险标准。这些跨行业的数据溯源标准有助于填补关键空白，促进数据来源的更大透明度，并推动各行业开发可信和负责任的AI。
Q&A
IBM与Data & Trust Alliance合作的目的是什么？
IBM与Data & Trust Alliance及其他企业合作创建数据溯源标准，以提高数据透明性和质量。
数据溯源标准如何影响数据质量？
初步发现表明，数据溯源标准可以提高整体数据质量，改善数据清理审核时间。
强大的数据治理对人工智能治理的重要性是什么？
强大的数据治理是健全人工智能治理的基础，有助于确保AI的可解释性、透明性和公平性。
IBM如何支持客户实施数据治理框架？
IBM欢迎跨行业的数据溯源标准的采用，并准备支持客户实施自己的数据治理框架。
数据透明性对组织决策的影响是什么？
数据透明性有助于建立信任、问责和可信度，使数据治理过程更易于理解和访问。
IBM在数据治理方面的历史背景是什么？
IBM已经运营超过110年，信任是其长期存在的关键原因之一。
