迈向人工智能公共基础设施

在讨论模型、算法、数据中心、云或计算能力之前，我们需要解决人工智能的最深层次问题：意义的构建。人工智能系统不会直接解释现实，而是构建出与之相关的各种表述。这些表示形式由数据、属性、类别、关系、事件、分类和解释规则组成。当这些要素不按照共同的标准加以定义时，机器便能够处理大量信息，但却无法真正理解这些信息在它们所处的行政、医疗、工业、经济或法律环境中所具有的意义。

语义代表了赋予数据意义的层级；而本体论则代表了组织这些意义以供计算的正式结构。从科学的角度来看，本体论通过识别基本概念、连接这些概念的关系、特征属性以及可由此得出新信息的规则，来描述一个知识领域。因此，本体论并非简单的进化词汇，而是真正的知识体系，它使人、组织和智能系统能够共享不仅相同的语言，而且也是对现实的相同理解。因此，本体论不仅是一种先进的词汇库，也是一种真正的知识体系，它使人们、组织和智能系统能够共享不仅相同的语言，而且也是对现实的相同理解。

人工智能的质量直接取决于这种表示方式的质量。两个行政部门可以使用相同的术语赋予不同的含义；两个医院可以根据不同的标准对同一疾病进行分类；一个地区、一个部委和一个市可以使用不兼容的信息模型来描述相同的行政程序。在所有这些情况下，问题并不在于数据本身的质量，而是与数据相关的意义的质量。一个数据库可以完整、更新且形式上正确，但语义上仍然脆弱。因此，该算法会产生看似一致的结果，但这些结果建立在不稳定概念范畴之上。算法风险的很大一部分源自于对知识领域的不完整或模棱两可的描述，并且它预示着模型的运行本身。

为了构建具有意义的公共基础设施，需要构建一个基于五个渐进层次的语义结构体系。第一个层次是建立一套受控词汇，通过该词汇，每个领域的基本术语得以统一。第二个层次涉及构建分类体系，将概念组织成一致的层次结构。第三层是真正的本体论，其中正式规定了概念之间的关系、属性和依赖关系。第四层是将本体论转化为知识图谱，使这些关系能够被计算机系统查询和使用。第五个层次引入了下层推理，使人工智能系统能够发现异常情况、验证一致性，并通过自动推理过程生成新的知识。这条道路代表了从简单的文件数字化向构建真正的知识基础设施的转变。它是公共行政机构向计算智力模式演进的前提条件。

公共本体论的构建不可避免地需要多学科的治理。意义的定义不能完全由计算机科学家负责，因为它涉及组织、法律、经济、社会和语言方面的技能。各地区可以发挥地方协调作用，确定优先领域；公共行政部门通过掌握行政程序和数据提供帮助；大学和研究中心在知识工程、人工智能、数据科学、法律、经济学和计算语言学方面提供专业知识；技术型企业开发了 语义表示工具，而不同经济领域的企业则将各自领域的操作语言转移到了这些工具中。专业订单有助于规范专业实践，而非营利部门与人工智能社区评审团一道，确保所采用的类别能够准确反映人民和地区的需求。

在这种背景下，Fondazione ENIA可以发挥一种方法论的联络作用，促进人工智能公共语义的构建、验证和发展。因此，本次大会建议启动一项人工智能公共语义大辞典，将其视为一项永久性的研究与合作计划。该项目可以通过以下方式展开：对优先领域进行梳理；收集各级政府、企业和大学现有的词汇；在公众关注的主要领域构建试点本体；将其转化为互操作的知识图谱；随后通过预测性和生成性人工智能系统进行测试，以评估其在互操作性方面的效果； 准确性、可追溯性与可靠性。最终目标是建立一种具有意义的公共基础设施，这种公共基础设施能够让机构、企业和公民共同参与构建生态系统。可靠、互操作和透明的人工智能。因为最终来说，算法能够处理数据；只有共享的语义才能使它们能够生成知识。

如果说本体论是人工智能通过它来诠释世界的一种语言，那么边缘计算就是实现分布式、弹性运行并靠近数据生成地点的物理基础设施。其核心理念很简单：与其不断将大量信息传输到集中化的云基础设施，数据处理中的很大一部分工作则直接在数据源处进行。因此，医院、学校、生产设施、能源网络、机场、港口、交通系统、市政当局、环境传感器以及关键基础设施等，都可以成为分布式计算网络中的智能节点。在这个模型中，数据不仅会被收集和传输，还可以进行验证、过滤、匿名化、语义化，并在与其他基础设施共享之前用于生成本地推断。这种方法可以降低延迟、限制网络流量、提高业务连续性，并加强对战略数据的控制。

因此，边缘计算是基础设施主权的重要组成部分。这个问题的重要性远不止于技术层面。控制计算能力的人也控制着响应时间、安全水平、服务连续性、技术依赖性以及整个系统的弹性。基础设施主权并不意味着与大型全球运营商隔绝，而是意味着有能力有意识地选择哪些流程要置于公共或工业控制之下，哪些数据要在本地处理，哪些服务则要委托给外部基础设施。对于像伦巴第大区这样生产高度集中的地区而言，这一选择直接关系到医疗卫生、先进制造业、交通运输、能源、金融、研究和公共行政等领域。使用算法进行诊断、区域监测或分诊的医疗系统不能完全依赖于远程基础设施。同样，智能工厂必须能够实时处理来自机器人、机器和传感器的数据，而民防网络也必须能够在连接中断的情况下继续运行。被破坏或发生破坏中央基础设施的事件。

从技术角度来看，现代边缘架构是一种集成化的供应链。其基础是感官层，由物联网设备、工业系统、医疗设备、摄像头和监控网络组成。随后是预处理层，其中数据经过标准化、验证、匿名化并进行准备以便使用。因此，本地推理技术使人工智能模型能够直接在现场工作，生成分类、预测、警报和决策支持，而无需依赖于中央基础设施。随后，边缘云层负责协调数据和模型的部署，确定哪些信息应保留在本地，哪些信息应共享。在此之上，还包括安全、治理和运营可追溯性等方面的层级，进而延伸至语义层级，该层级直接将这一支柱与前一层相连接。事实上，如果所有节点都按照共同的本体论来解释数据，分布式边缘节点网络才能够产生真正的价值。如果没有共同的语义，每个节点所生成的信息都将局限在本地，难以与其他节点所生成的信息进行整合。

对于公共决策者而言，设计边缘基础设施意味着在医院、大学、工业园区、区域数据中心、运营中心、能源网络和战略基础设施等地点建立一套分布式的区域节点网络。每个节点都必须能够采集数据、验证其来源和质量、应用安全标准、在信息源附近执行人工智能模型、保存所执行操作的证据，并与公共、私有或主权云基础设施进行交互。结果是一个混合架构，其中计算能力根据运营需求进行部署：在需要快速响应和控制的情况下，在本地部署；在需要更高计算能力的情况下，部署在中心位置；在需要跨地区和组织共享知识的情况下，部署在联邦化模式下。建设此类基础设施需要区域机构、地方政府、大学、理工学院、科技企业、关键基础设施运营商、电信运营商、制造业企业、标准化组织以及其他相关利益攸关方之间稳定的合作。网络安全和合规方面的相关主管部门。这些人员各自拥有各自的专长，涵盖了从建筑设计到标准制定、网络管理到模型开发，以及安全评估和组织影响等各个方面。

在这种背景下，Fondazione ENIA可以发挥一种方法论的纽带作用，促进不同参与者的互动，促进技术层面、治理层、语义层、人工智能素养以及创新政策之间的对话。因此，本次大会建议启动“意大利公共人工智能节点网络”，这是一个试点计划，旨在确定优先领域、设计互操作的地区节点、制定共同的技术要求、将架构与公共语义层整合，开展具有高影响力的应用案例，并逐步评估结果、安全性以及区域和国家级的可扩展性模式。最终目标是为该国提供分布式计算能力，使其能够更安全、更具弹性地使用人工智能，并符合各地的需求。数字主权并非完全通过规则构建，而是通过能够控制战略流程的基础设施来实现，同时又能保证互操作性、安全性和稳定性。业务连续性和决策自主权。从这个角度来看，边缘计算是语义基础设施的自然补充，将共享的意义转化为分布式操作能力。

在通过本体论定义共同语言并构建分布式基础设施以实现计算能力之后，第三个支柱涉及人们理解、管理和自觉使用这些工具的能力。事实上，人工智能不仅是一种技术，而且是一种认知变革，它改变了个人、组织和机构产生知识、做出决策和理解现实的方式。因此，人工智能素养代表着人工智能生态系统的认知基础设施。它与传统的数字素养并不相同，也不代表简单地掌握使用人工智能应用程序或平台的技能。它关乎理解智能系统运作的原理：它们是如何构建模型的，它们使用哪些数据，它们是如何学习的，它们存在哪些限制，以及它们会产生哪些错误。它们可以产生，并且哪些条件决定了它们的可靠性。如今，这种认识已成为经济竞争力、制度的复原力和民主品质的战略因素。

每一次技术革命都伴随着相应的文化变革：识字提高了工业社会的水平，计算机辅助了数字化的转型，而人工智能素养则是新知识经济的基础。人工智能的独特之处在于其生成内容、提出假设、综合信息、辅助决策过程以及生成新知识的能力。这导致了一种新的不平等形式，这种不平等与获取技术联系越来越少，而与理解技术运作的能力联系越来越紧密。因此，认知基础设施必须沿着六条互补的方向发展。第一个方面涉及对人工智能的计算基础、学习模型、数据和推理过程的理解。第二个方面涉及信息质量、数据来源、可靠性、可追溯性和上下文相关性。第三个方面涉及语义层面，即理解知识本体、分类和知识表示方式的理解能力；这一方面直接将这根支柱与之前的公共语义方面联系起来。第四个方面涉及伦理和法律方面，包括责任、透明度、问责制、保护权利以及管理算法风险。第五个方面涉及组织层面，这对于在不产生新漏洞的情况下将人工智能融入决策过程中至关重要。第六点涉及战略层面，这对于理解人工智能对竞争力、创新、就业、经济安全以及技术主权的影响至关重要。

所有这些技能的总和构成了人工智能领域的国家认知资本。其建设如今已成为至少与发展数字基础设施一样重要的战略重点。未来几年，主要的差距不仅将由技术的使用量决定，还将取决于我们理解这些技术的能力。在传统的数字鸿沟之外，逐渐出现了一种人工智能鸿沟，它将能够驾驭人工智能的公民、企业和机构与那些只会使用人工智能界面的人隔离开来，从而使他们依赖于他人制定的决策和逻辑。对于小企业而言，这意味着能够对他们打算采用的工具进行批判性评估，避免陷入技术依赖和不可持续的投资之中。对公共行政机构而言，这意味着引入智能系统，同时保持对决策过程和行政责任的控制。对于公民而言，这意味着发展必要的文化工具，以识别信息操控、简化的内容、偏见、算法幻觉以及新型形式的虚假信息。因此，人工智能素养成为集体复原力和认知安全性的预防措施。

建设这一基础设施需要协调一致的行动。各地区可以将人工智能素养纳入创新、经济发展和培训政策；大学和研究中心可以开发跨学科课程，旨在将计算机科学、法律、经济学、组织学和社会科学融为一体；教育体系是批判性人工智能教育的第一道防线；企业和公共行政部门 他们必须推广持续的专业发展计划；专业组织可以帮助在各个应用领域传播专业技能，而非营利部门在让更多面临认知边缘化风险的人群参与其中方面发挥着关键作用。

在这种背景下，Fondazione ENIA可以发挥方法协调作用，推动制定国家标准、成熟度指标、认证路径以及人工智能素养共享模式。因此，国会提议启动一项国家人工智能素养与认知韧性计划，旨在构建统一的技能框架、推广地区性的识字计划、开发认知成熟度评估系统，以及支持学校、大学、企业、公共行政部门和非营利部门永久合作网络。部门。如果第一根支柱构建了意义，而第二根支柱构建了计算基础设施，那么第三根支柱则构建了理解这两者能力的能力。领导人工智能发展的公司，不一定是那些拥有最强大的模型的公司，而是那些投资于传播知识、批判性思维和技术治理能力的公司。从这个角度来看，人工智能素养具有成为国家战略基础设施的价值，旨在影响公共决策的质量、企业的竞争力以及国家应对经济转型自主发展的能力。关于公司的。

如果第一支柱构建了意义，第二支柱则构建了计算基础设施，而第三支柱则开发了认知资本；第四支柱则定义了这些要素如何在组织和机构内部得到协调。事实上，治理是人工智能生态系统的组织基础结构，即一套规则、责任、流程和协调机制，它们能够将技术转化为经济和社会制度体系中的稳定能力。任何复杂的基础设施都需要一套治理模式。电力网络拥有配电系统，机场基础设施通过控制塔运行，铁路网络由运营中心协调，这些中心确保活动的安全、连续性和同步性。人工智能也需要类似的组织能力。如果缺乏能够指导、协调和监测整个生态系统运行的结构，那么数据可用性、计算能力和广泛的技能就不足以发挥作用。

因此，人工智能的治理不能仅限于遵守现行法规。《人工智能法案》为规范人工智能系统提供商和用户所承担的义务和责任提供了重要基础，但人工智能的治理需要采取更广泛的视角。这意味着设计决策模型、分配责任、确定组织角色、构建可靠的信息流、建立监测系统，以及在智能解决方案的整个生命周期中推动持续改进。从这个意义上说，治理体系代表了整个国家人工智能基础设施的神经系统。人工智能深刻地改变了组织的运作方式，因为它直接参与了决策过程。无论是贷款发放、临床诊断、交通管理、基础设施预测性维护，还是公共资源的分配，每个算法都会引入新的决策标准，并重新分配了以前只属于个人责任的职责。因此，需要确定谁负责数据质量保证、谁授权引入模型、谁评估风险、谁监控模型的性能、谁在出现异常时进行干预、谁保存文件记录，以及谁负责与相关当局的沟通。当这些责任没有事先明确界定时，技术的发展速度往往超过了组织管理其能力的步伐。这是当前人工智能普及阶段的主要挑战之一。许多组织正在投资购买智能工具，而只有部分组织正在建设真正的创新治理能力。

为了满足这一需求，治理必须被视为一个多层次体系。在战略层面，治理机构和总司局应确定愿景、目标、投资和风险承担能力。组织层面则确定角色、责任和权限，包括首席人工智能官、风险经理、数据保护官、网络安全负责人和流程负责人。运营层面则管理数据和模型的生命周期，包括验证、监控、网络安全、技术文档、更新和事件管理。此外，还有算法治理，旨在通过准确性指标、稳健性指标、可解释性指标、公平性指标、数据衍生性指标和运营可靠性指标持续监控模型的性能。最后，制度治理确保了中央政府、各州、地方政府、大学、标准化机构、企业和独立机构之间的协调，同时承认人工智能构成了横向基础设施，而任何主体都无法独立管理它。此外，治理还应被理解为一个持续的过程，而非静态的程序体系。每个人工智能系统都经历了一个生命周期，其中包括需求识别、初步评估、风险分析、模型选择、验证、部署、监控、更新、定期审核，以及在必要时进行弃用。这些阶段都会产生新的证据、新的风险和新的决策。治理的功能在于保持对这一过程的控制，并确保其透明度、可追溯性以及适应能力。

因此，建立国家治理体系需要各机构、地区、大学、企业、标准制定机构以及独立监管机构之间持续合作。中央政府制定战略方向和机构间协调；各省将这些方向转化为地方政策；公共行政部门设计组织模式；学术界提供研究和先进培训；企业发展应用技能和工业能力； 标准制定机构制定标准和评估方法；独立机构负责保障权利保护，并确保创新与公众利益之间的适当平衡。在这种背景下，Fondazione ENIA可以发挥一种将生态系统各参与方联系起来的方法学纽带的作用，促进共享的语言和共同的方法，推动实验性项目、跨学科培训以及研究、工业和机构之间的持续对话。

因此，国会提议建立一个人工智能治理国家委员会，其目的不是建立一个新的监管机构，而是作为政府、地区、大学、企业和民间社会之间稳定的协调平台。其目的是促进组织模式、评估方法、成熟度指标、运营标准和良好实践的融合，从而有助于构建一个一致且互操作的国家生态系统。此次主题的专题会议将成为整个计划的核心环节，并将把重点放在从法规遵从性向治理机构能力转变的阶段上。目标不是仅仅讨论规则，而是制定一个组织模式，使意大利能够将人工智能作为国家战略基础设施加以管理。如果前三个支柱分别构建了意义、计算能力和认知资本，那么治理则使得整个系统的协调运行成为可能。它是一种组织基础设施，将技术、技能和数据转化为持续创新的能力，确保人工智能的发展能够以可靠、负责任和符合公共利益目标的方式进行。

如果前四个支柱分别构建了人工智能的意义、计算能力、认知资本和组织基础设施，那么第五个支柱则引入了另一个维度：制度体系理解人工智能如何切实改变人们和地区的生活的能力。事实上，每一次重大创新都会改变公民、机构和经济之间的关系；人工智能又增加了额外的复杂性，因为越来越多影响日常生活决策的决定正逐渐由算法系统支持、指导或自动化，而这些系统的运作往往并不那么透明。给最终用户。出于这个原因，人工智能的基础设施不能仅限于技术、组织和监管方面的规模。我们需要辅以一套 能够观察、解读并向机构传递通过人工智能所产生社会影响的民主基础设施 人工的。

社区评审团正是为了满足这一需求而成立的。它们既不是政治监督机构，也不是旨在取代相关机构的决策机构。它们更像是一种永久性的社会观察基础设施，旨在系统收集证据、分析不断涌现的需求，并生成有助于指导公共政策和支持人工智能生态系统演变的信息。事实上，人工智能产生的影响在设计算法时很少能观察到。只有当这些技术进入行政流程、医疗服务、劳动力市场、信贷、教育、公共服务以及公民的日常生活时，这些真实后果才会显现出来。没有任何研究实验室、技术审计或试验环境能够完整地检测到这些变革。许多影响涉及信任、系统的可理解性、社会接受度、公平感，以及新的需求或组织性问题的出现，而这些问题只有在实际使用技术时才会显现出来。社区评审团能够使这种层面变得可观察。公民不再仅仅扮演创新的使用者的角色，而是成为其影响的合格观察者，从而有助于构建一种集体知识体系，这种知识体系可以补充和完善由技术监测系统所产生的信息。

从方法论的角度来看，该模型通过持续收集证据、背景梳理、跨学科分析和机构归纳等过程进行发展。根据结构化的程序收集了使用经验、挑战、机遇、新出现的需求以及弱势信号，随后根据应用领域、组织背景、现行法规以及地区特征对其进行解读。因此，公民、专家和机构之间的互动使得这些信息能够转化为报告、区域指标、操作建议和改进提议，从而为公共行政机构、企业、研究界和治理机构提供持续的学习过程。从这个角度来看，社区评审团可以被视为真正的公民智能基础设施。虽然人工智能系统主要处理结构化数据，但它们却能够收集高质量、高度相关的信息，而这些信息在算法模型中却很难被包含：信任、风险感知、自动化决策的可理解性、使用体验的质量、意外影响、新出现的脆弱性以及社区的新需求。将这些信息整合起来，可以使人工智能治理与如今尚未充分探索的社会层面相结合。

这一基础设施的建设需要区域机构、地方政府、大学、研究中心、企业和非营利部门部门之间建立稳定的合作关系。各地区可以协调各评审团的区域网络，将其融入创新、卫生、福利、经济发展和公民参与的政策之中；市级政府是与公民、协会和企业保持最直接联系的自然层级；大学和研究机构在收集和解释证据方面拥有严格的方法学标准；生产体系 它可以利用所获得的知识来提高其解决方案的透明度、易用性和社会影响力；非营利部门促进了社区和那些最容易受到排斥风险的群体的参与。在这种情况下，Fondazione ENIA可以发挥国家层面的方法协调作用，制定操作标准、培训课程、质量标准、证据收集方法以及共同使用的分析工具。

因此，国会提议启动“国家人工智能社区评审团网络”，该网络旨在构建一个在市政、省、地区和国家层面分布的公民基础设施，能够系统地收集引入人工智能所产生的证据。人工智能在不同的经济和社会背景下的应用。网络生成的信息可以为国家人工智能社会影响观察站提供数据支持，将量化和定性数据相结合，以支持公共政策、研究和创新战略。国会闭幕会议将专门致力于这一观点，旨在展示 Fondazione ENIA开发的研究方法，分享地区层面的初步经验，并推动各机构参与构建人工智能公民观察网络。虽然前四项支柱有助于发展人工智能生态系统，但第五项支柱确保了其民主合法性。一个技术先进的社会不仅要通过自身的基础设施的质量或算法的强大程度来衡量自身的发展水平，还要通过在创新过程中倾听、理解和整合民众经验的能力来衡量自身的发展水平。从这个角度来看，社区评审团将公民参与变成人工智能治理的结构性组成部分。通过帮助构建一个生态系统，在这个系统中，技术进步、制度信任和公众利益能够和谐地相互发展。加强。

只有当经济和金融体系具备理解其价值并支撑其增长的能力时，每一次技术变革才能成为真正的发展引擎。工业革命、电气化、电信以及随后互联网的出现就是如此。人工智能也不例外。出于这个原因，银行、保险和金融系统不应该仅仅参与创新最终阶段的工作，因为当时的技术已经成熟，并准备好接受融资。它的贡献在生态系统构建的早期阶段就具有战略意义，因为正是在这个时候，算法、人工智能模型或新技术解决方案的经济可识别性才会得到确定。

如今，主要的困难不仅在于资助人工智能项目，还在于构建研究机构、企业、投资者和政府机构之间的共同语言。事实上，算法与传统资产相比具有截然不同的特征：它们随着时间的推移而演变，从数据中学习，通过使用而不断完善，生成新的知识，并且可以被重新应用于不同的环境中。他们的价值创造能力取决于数据质量、模型的稳定性、治理结构、可扩展性、互操作性以及市场对其运作的信任。这一发展趋势使得需要开发新的经济评估工具、新的尽职调查方法、新的可信度标准以及创新融资模式。同样重要的是，要制定共同的标准来评估算法资产，估算其未来价值，衡量其风险，并了解其对企业发展和国家竞争力所作出的贡献。

因此，金融体系的参与对于技术转让也至关重要。每年，大学、研究中心和初创企业都在开发新的技能和技术，但这些技能和技术很难转化为产业项目，因为缺乏一个共同的框架，使得金融从业者无法正确理解其价值。缩小这种差距意味着加快从研发到市场的过渡，促进新兴高技术企业的发展，并支持现有企业的增长。在ENIA大会上，这个问题可以作为各机构、大学、银行体系、保险公司、投资基金、创新型企业以及研究机构之间的常设对话平台来讨论，旨在建立人工智能经济领域的共同词汇，并找到能够更有效地促进创新融资的工具。

Fondazione ENIA打算推行的提案是启动一项全国性项目，致力于对算法资产进行经济评估，并制定用于评估、资助和确保其可保险性的共同方法。此类举措将有助于将研究领域与金融领域联系起来，从而创造条件，使人工智能不仅成为技术创新的重要推动力，而且成为经济和工业发展的稳定动力。从这个角度来看，银行和保险系统不仅仅是人工智能生态系统的金融支持者。成为那些参与定义其价值、使其对投资者具有可理解性、并将技术潜力转化为当地和国家经济增长力量的行动者之一。