В Южной Африке разразился серьезный скандал вокруг ИИ — Reuters
В Южно-Африканской Республике отменили первый вариант национальной политики в отношении ИИ после того, как выяснилось, что документ содержал вымышленные источники и был сгенерирован тем же искусственным интеллектом. Власти пообещали привлечь причастных к ответственности.
Об этом сообщает Reuters.
Проект политики, обнародованный в этом месяце для общественного обсуждения перед окончательным утверждением, имел целью позиционировать ЮАР как континентального лидера в сфере инноваций искусственного интеллекта, а также регулировать этические, социальные и экономические вызовы.
В документе были изложены планы создания новых институтов, в частности Национальной комиссии по ИИ, Совета по этике ИИ и Регулирующего органа по вопросам ИИ, а также введения стимулов, таких как налоговые льготы, гранты и субсидии, чтобы побудить бизнес присоединиться к развитию ИИ.
Однако впоследствии выяснилось, что в проекте документа оказались цитаты из источников, которых не существует и которые были добавлены «без надлежащей проверки». Из-за этого проект политики отложили.
Министр связи и цифровых технологий страны Солли Малачи назвал ситуацию «провалом», который «ставит под угрозу целостность и достоверность проекта политики», и пообещал последствия для ответственных за разработку текста.
«Эта недопустимая оплошность доказывает, почему бдительный человеческий надзор за использованием искусственного интеллекта имеет критически важное значение. Это урок, который мы принимаем со смирением», — добавил он.
Напомним, ВАКС внедрит искусственный интеллект для анализа данных.
Стоит отметить, что внедрение искусственного интеллекта в крупных компаниях происходит по схожей схеме: 20% сотрудников активно пользуются ИИ, 20% категорически отказываются, а 60% применяют инструменты частично. Google находится примерно на среднем уровне этой масштабной картины.
Исследование, опубликованное в JAMA Network Open, показало, что модели искусственного интеллекта от OpenAI, Google и DeepSeek часто дают ошибки из-за недостатка данных при постановке первичного диагноза. Анализ 21 модели выявил, что уровень ошибок при дифференциальной диагностике превышает 80%.
