--- tags: AI標準化路線圖 --- # ***德國人工智慧標準化路線圖***__<br>***五個標準化路線圖的行動建議*** ***Paper: [GERMAN STANDARDIZATION ROADMAP ON ARTIFICIAL INTELLIGENCE](https://www.dke.de/resource/blob/2008048/99bc6d952073ca88f52c0ae4a8c351a8/nr-ki-english---download-data.pdf)*** 本路線圖的目的是盡早規劃一個行動框架，以加強德國的工業和科學在AI領域最佳解決方案和產品的國際競爭力，並為該技術在未來創造有利於創新的條件。 該路線圖致力於將"人工智慧—德國製造"打造成為一個強大的品牌，並對開發新的商業模式、突破性的創新和可擴展的應用程序做出重要貢獻。假如能夠將德國豐富的工業經驗與AI方法帶來的可能性相結合，德國中小企業和德國不斷增長的初創企業將受益。標準和規範構成了技術主權的基礎，並創建了一個促進透明度和提供方向的框架。因此，它們可確保安全性、品質和可靠性，並為 AI 解決方案的可解釋性做出重大貢獻——這是接受 AI 應用程序的重要組成部分。因此，人工智慧標準化路線圖為確保德國的競爭力和將歐洲價值標準提升到國際水平提供了巨大的潛力。尤其是出於這個原因，應特別注意當前標準化路線圖 AI 的實施及其行動建議。 --- ### ***AI系統協作的資料索引模型*** - **Data reference models for the interoperability of AI systems** 德國工業的很大一部分由中小企業組成。 因此，實現總體價值鏈往往需要最多樣化的參與者的合作。 價值鏈上不同參與者的AI系統協作的自動化對於人工智慧方法的應用至關重要。 這需要一個數據參考模型來實現技術之間安全、可靠、靈活和兼容的資料交換。 在這樣的模型中，應該描述與互操作性相關的基本資料類型，以及它們之間的結構和關係。因此，標準化路線圖推薦了不同領域資料參考模型標準化的實施方案。 通過這一舉措，德國可以通過在製定國際標準方面發揮關鍵作用，為全面資料交換奠定基礎，從而確保全球系統的互操作性 ### ***制定AI的基礎安保標準*** - **Development of a horizontal AI basic security standard** 從本質上講，人工智慧系統是一個 IT 系統，其 IT 安全已經存在來自各個行業和應用領域的多種標準。同時，這種多樣性增加了複雜性和缺乏透明度，這可能導致所涉及的市場參與者（例如製造商、消費者、監管機構）的做法不一致，並顯著抑制人工智慧的技術發展。人工智慧系統的 IT 安全尤其受此影響，因為它在很大程度上取決於透明度和可追溯性、設計安全性、默認安全性和整個生命週期的隱私。一個包羅萬象的“人工智慧總體標準”，它捆綁了現有的 IT 安全（安全、安全和隱私）標準和測試方法，並補充了專門針對AI系統的方面，一方面可以作為技術發展的催化劑，另一方面在演員之間進行調解。為此，建議建立一個橫向的人工智慧基礎安全標準，在縱向子標準中進一步考慮主題和行業的特點，並集成人工智慧系統的IT（安全）管理系統。這將維持既定程序並創建一個可測試和可認證的標準，將經濟方面考慮在內並提高接受度。這反過來又建立了信任並促進了AI技術的使用。 ### ***對AI系統進行常規的極限測試*** - **Practice-oriented initial criticality checking of AI systems** 意外的倫理問題和衝突主要發生在具有學習成分的 ADM 系統中，這些成分對人、他們的財產或稀有資源的獲取做出決定，並有可能損害個人的基本權利和/或基本民主價值觀。必須通過標準化快速輕鬆地對系統是否會觸發此類衝突或它是否是遠離任何道德問題的應用程序進行初始關鍵性檢查。這種橫向的、針對所有領域的低門檻檢查必須快速、合法地澄清系統是否必須完全滿足透明度和可追溯性要求。特別是對於人工智慧的廣泛應用領域，這種基於風險的關鍵領域關鍵性檢查提供了提出足夠要求的可能性，同時通過開發完全不批判的領域來反擊“道德繁文縟節”的指責申請免附加要求。因此，建議為 AI 系統設計實用且基於風險的關鍵性檢查 ### ***由國家推動"可信任的AI"計畫，並進一步加強歐洲的品質檢測基礎*** - **National implementation program "Trusted AI" to strengthen the European quality infrastructure** 行業、公共當局和民間社會需要可靠的品質標準和測試程序，用於AI系統的適銷性合格評估和認證。缺乏此類測試程序會危及這項未來技術的經濟增長和競爭力。同時，沒有高品質的測試方法就無法證實AI系統可信度的說法，這意味著由於缺乏接受度，AI應用對經濟和社會的好處仍然不明朗。符合我們道德和社會價值觀的成功使用需要有能力、可靠和可重複的測試。其基礎可以是AI系統認證的國家實施計劃，該計劃建立在優秀的德國測試基礎設施之上，並定義了可靠性、穩健性、性能和功能安全等要求。以具體的應用案例為基礎，對測試原理進行測試，進行試點測試並得出標準，這些是AI認證的基礎，並將引入國際標準化。要開發的測試方法一方面用於確認 AI 系統的保證特性 (產品測試)，另一方面用於評估提供 AI 系統的組織所採取的措施 (管理系統測試)。通過這樣的舉措，德國將有機會為世界上第一個認證計劃奠定基礎，從而成為國際公認的AI認證程序開發和標準化的領導者。因此，標準化路線圖 AI 建議以最快的速度啟動和實施具有最高優先級的“可信 AI”計劃的國家實施。 ### ***分析及評估滿足標準化需求的應用實例*** - **Analyze and evaluate use cases for standardization needs** 用例描述了在人工智慧技術背景下對於理解AI系統的功能和行為至關重要的應用案例。人工智慧的不同應用領域已經有大量用例。通過考慮典型應用和行業相關用例，可以為工業成熟的AI應用推導出標準化需求。然而，經過驗證的傳統標準化方法並不總是適用於AI應用。原因是許多行業根據人工智慧解決方案的應用領域和用例的不同，使用不同的AI技術。混合 AI 解決方案通常甚至基於 AI 方法的組合。在大多數情況下，應用程序的細節通過人工智慧子學科的最先進方法來滿足，這些方法經過單獨調整和改進。因此，人工智慧研究與工業發展和應用之間的接口動態特別高。因此，應用人工智慧不斷被開發和工業評估。人工智慧標準化必須考慮到應用研究和工業成熟發展之間的這種緊張關係，並在標準化需求分析和市場就緒規範的開發中追求務實的雙向方法。這需要一個迭代過程，在標準和規範的設計中，結合來自研究、行業、社會和監管的相互推動，並支持參與者之間的持續和相互學習。這種方法的核心是測試和沿用例開發的規範的連續改進。通過這種方式，可以在早期確定特定於應用程序的需求，並實現可銷售的 AI 規範。因此，確保了工業、科學和社會對 AI 規範的接受。