人工智能政策的定义是将人工智能的利益最大化同时将其潜在成本和风险降至最低的公共政策。

人工智能（AI）和疫情是最近两个著名的流行词。通过利用技术来应对疫情危机，人工智能已经取得了空前的发展。人工智能为病毒检测和跟踪做出了贡献，主要是为疫苗生产做出了贡献。2020年即将结束，Dataiku公司首席执行官兼联合创始人Florian Douetteau谈到了对2021年人工智能政策的预测。Dataiku为辉瑞，GE公司和联合利华等公司提供企业人工智能工具。Dataiku在2020年实现了指数级增长，今年8月正值人工智能日益成为商业必需品之际筹集了1亿美元。

人工智能政策的定义是将人工智能的利益最大化同时将其潜在成本和风险降至最低的公共政策。人工智能具有巨大的经济、社会、医疗、安全和环境承诺。人工智能系统可帮助人们掌握新技能，设计并提供更快的生产时间和更快的迭代周期，减少能源使用量，提供对污染和空气质量的实时环境监控，增强网络安全防御能力，提高国民产出并创造新的愉悦体验。由于所有这些原因，研究人员对人工智能系统可用于管理世界上最棘手的问题并改善无数生活的潜力感到非常兴奋。但是为了实现潜力，必须解决与人工智能开发相关的挑战。它强调了实施人工智能策略的重要性，该策略使流程变得简单易行。Douetteau预计人工智能政策将在2021年得到改善的领域。

 包容性工程正在成为主流以支持多样性

Douetteau认为，为了确保人工智能计划的多样性，企业必须投入时间和资源来实践包容性工程。他认为，“包容性工程不限于一定程度，而是意味着要尽一切努力收集和使用各种数据集。这将有助于公司创造一种体验，欢迎更多的人来该领域，从教育到雇用实践，应有尽有。

通常在实际任务中，没有足够的数据来充分利用深度学习。但是，可以利用其他数据集达到临界质量。在不同的数据集中共享知识可以带来更多的常识，更深刻的见解和更明智的决策。在医疗保健之类的领域尤其如此，对于任何特定任务而言，数据收集起来可能既昂贵又危险。

 业务技能对数据科学家的重要性比以往任何时候都高

Douetteau表示，数据科学家将需要讲业务语言，以便将数据洞察力和预测模型转化为对业务有影响的可行洞察力。他说：“技术所有者还必须简化对技术的访问，以便技术所有者和企业所有者可以一起工作。数据科学家的重点不仅在于他们能够以多快的速度构建事物，而且还在于他们与企业其余部分的协作能力。”

当前数据科学和分析的趋势使没有技术背景的普通业务领导者很难理解分析流程。为了解决此问题，公司应简化数据科学家使用的技术，并使每个人都可以轻松使用。公司的分析团队和改进团队之间的良好沟通和理解对于增加收入很重要。

 增加组织承诺以将人类和多样性置于人工智能发展的中心

Douetteau预计，如果公司真正希望减少偏差并促进多样性，他们将考虑将使用算法的人员包括在内。他补充说：“虽然大多数培训数据集都是针对一小部分人开发的，但公司现在将考虑考虑扩大其范围，以设计包含所有内容的培训数据集。人工智能和数据集的组建越包容，偏差的风险就越小。”

公司在开发解决方案时要牢记的主要目标是使用公正的人工智能构建包容性未来。随着人工智能入侵教育、法律、银行等各个领域，迫切需要一个小时的时间来平等对待来自不同种族，地理位置和性别的各种人。

组织将使用MLOps围绕漂移监控添加更强大的流程和要求

Douetteau坚信输入漂移基于以下原理：模型仅在训练模型的数据正确反映了真实世界的情况下才能准确预测。他提到：“因此，如果将最近对部署模型的请求与训练数据的比较显示出明显的差异，则很有可能损害模型的性能。这是监视输入漂移的基础。到2020年，由于健康危机，各个行业都出现了明显的漂移。”

他总结说：“到2021年，我们将看到使用机器学习运营（MLOps）的组织围绕漂移监控提出更强大的流程和要求，从而使模型更加灵活和准确。识别漂移是可调整的MLOps策略的最重要组成部分之一，并且可以为整个组织的企业人工智能工作带来敏捷性。”

MLOps是在整个生命周期中用于管理机器学习和人工智能解决方案的一套策略，实践和治理。它着重于建立一套通用的实践，每个参与者都可以遵循该实践来系统地管理分析计划。