美国能源部如何改变人工智能

美国能源部 (DOE) 长期以来一直是最注重科学、技术和创新的美国联邦机构之一。 美国能源部继续投资于人工智能和机器学习等变革性技术也就不足为奇了。 

美国能源部设立了人工智能和技术 (AITO) 办公室，通过加速人工智能的研究、开发、交付和采用，帮助美国能源部转变为世界领先的人工智能 (AI) 企业。 AITO 新任主任 Pamela Isom 将出席 2021 年 XNUMX 月的 AI in Government 活动，分享他们如何通过战略协调、规划和卓越的客户服务最大限度地发挥 AI 的影响。 在这篇采访文章中，Isom 女士更详细地介绍了 DOE 如何利用数据和变革性技术来帮助推进该机构的核心任务。

您利用数据和 AI 使您的机构受益的创新方式有哪些？

帕梅拉·艾索姆： 协调跨领域人工智能计划和战略性规划部门范围内的人工智能成果的责任对于保护我们的基础设施和最大化任务影响至关重要。 2022 年，我的团队专注于创新的 AI 治理，以负责任和值得信赖的 AI 成果为标准。 我们确实需要在 AI 生命周期中进行更多以人为本的集成以及算法和数据集的联合目录，以便更容易跟踪我们正在追求的 AI 投资的影响。 

AI 风险管理手册 (AIRMP) 是一项应用创新，如果一切按计划在 2023 年进行，我们预计将向公众部署。AIRMP 捕捉风险情景并提供规范性指导以减轻这些风险，从而使 AI 决策负责且值得信赖。 该剧本甚至考虑了与无人系统和个人设备等边缘设备相关的缓解措施。 边缘 AI 系统允许团队（例如我们的应急响应人员）在捕获数据的地方快速采取行动。 然而，AIRMP 支持对抗性威胁和漏洞。 

谈到创新，AI 团队在 2022 年开始了关于 AI 和沉浸式技术融合的行业焦点小组会议，密切关注 AI 和扩展现实 (XR) 的融合，因为现在这个领域的显着增长并在未来。 沉浸式体验对于关键情况的训练和精确建模很有价值，例如自动驾驶汽车场景，有时合成数据更安全，而且不像实时数据那样具有侵入性。 通过与其他项目办公室合作，我的团队正在寻求使用人工智能和混合现实来为劳动力和跨社区的人才管理建立人工智能培训课程。

您如何利用自动化来帮助您实现人工智能之旅？

帕梅拉·艾索姆： 我们在关键业务流程上应用自动化。 我们启动了一项试点，以简化贷款处理并回答客户通常提出的一些关键问题，以便处理者可以专注于更具战略性的任务。 我们正在应用对话式人工智能和机器人流程自动化来解决运营任务。 我们正在利用云环境中开箱即用的功能作为自动化平台和技术的入口点，但我们也以我们的超级计算机而闻名，我们将其用于最复杂的工作负载并且它是有意义的。 一些利益相关者更喜欢现成的商业产品，但鉴于数据科学的进步，我们确实发现混合是目前满足我们需求的最合适的方法。 

您如何确定您的自动化和认知技术项目从哪些问题领域开始？ 

帕梅拉·艾索姆： 脑海中浮现出两种表达方式。 首先是“专注于使命”，第二是“倾听”。 为实现任务而应用创新是当务之急。 例如，可以利用人工智能算法来确保电网传输具有弹性，从而在社区之间公平地应用清洁能源核算。 我们进行人工智能研究、开发、演示和实践重用和审计，以最大限度地提高此类人工智能解决方案的效率。 我们倾听利益相关者的需求、愿望和痛点。 我们保留一份人工智能投资清单，至少每年通过我们的人工智能交换 (AIX) 系统进行审查和更新。 与行业和学术界举行焦点会议，听取个人观点，以交换意见并获取行业对目标 AI 主题的见解。 从本质上讲，我们评估当前和目标状态，识别差距，并通过我们的人工智能战略，优先考虑、协调和参与推动我们推进自动化和认知技术项目的项目的交付。

在数据和人工智能方面，公共部门有哪些独特的机会？

帕梅拉·艾索姆： 与私营部门、学术界和国际团队建立战略伙伴关系是公共部门的绝佳机会。 机构有机会站出来为资产开发、共享和现代隐私实践制定人工智能法规。 改善国家网络安全和转变联邦客户体验和服务交付以重建对政府的信任等立法都依赖于尊重我们公民权利和自由的人工智能等道德、负责任、值得信赖的解决方案。 通过战略合作伙伴关系，我们可以共同研究和发现最多样化的场景，并制定解决方案，在保护数据的同时实现更广泛的访问。 必须有一个用于研究和合作的国家平台，这就是为什么我的团队是其中成员的国家人工智能研究资源工作组如此重要的原因。 公共部门无法单独满足监管要求——它需要工业界、学术界以及国际合作。

您可以分享哪些成功应用 AI 的用例？

帕梅拉·艾索姆： 具体来说，人工智能团队应用机器学习文本分析和聚类以及自然语言处理的进步来协助对部门的人工智能项目和用例库存进行战略分析。 用例范围从下一代领域感知人工智能方法研究以加强我们的国家安全到清洁能源项目，这些项目确定必须用于应对气候危机的材料。 我们可以根据库存数据确定主题，并使整个部门的利益相关者与共同的协同作用保持一致，以便我们最大限度地提高规模经济、减少浪费、提供信息并推动更多跨领域的人工智能活动。 我们不断发展我们的库存数据，今天我们可以确定人工智能投资在哪里以及是否存在改善客户体验的机会。 如果没有应用人工智能，我的团队和部门利益相关者将不得不筛选大量数据，并且几乎不可能及时得出战略决策所必需的人工智能组合推断。 

密切关注使命，我们对地下区域的研究对碳捕获和储存具有深远意义。 用于加速地下应用中的实时决策的科学机器学习 (SMART) 计划。 这正在改变我们在地下的互动和对地下的理解，并显着提高油田规模碳储存和非常规油气作业的效率和有效性。 SMART 是由 DOE 的碳储存和上游石油和天然气计划资助的多组织项目，具有实时可视化、虚拟学习和预测三个重点领域。

在公共部门的 AI 和 ML 方面，您能否分享一些挑战？

帕梅拉·艾索姆： 人工智能的所有权是我们正在努力解决的挑战。 大量数据对人工智能进行准确导航和预测的需求日益增加。 垂直行业的数据注释标准，例如能源，不容易获得。 在应用更高级的无监督学习来解决关键任务用例之前，有机会发展机器学习。 还有一个重要的机会将人工智能人才管理扩展到部门之外。 正如我们对网络所做的那样，国家需要更多地关注数据科学和人工智能的发展，我们在这件事上别无选择。

分析、自动化和人工智能如何在您的机构中协同工作？

帕梅拉·艾索姆： 虽然分析可能是人工智能的起点或切入点，但我们应用所有三项（分析、自动化和人工智能）来提供负责任的建议和可信决策的最大影响。 有机会改进一些基础，以便 AI 运营 (AIOps) 通过集成的 AI 保证推进 DevSecOps 概念，并且通过功能（分析、自动化和 AI）有很大的机会加强机构间协作以实现共同决策。 我承认我今天看到了更多的凝聚力，但机会仍然存在。

您如何解决围绕 AI 使用的隐私、信任和安全问题？

帕梅拉·艾索姆： 这些是 2021 年内部发布的 AI 风险管理手册 (AIRMP) 的关键要素。AIRMP 指导利益相关者处理隐私、信任和安全问题（从对抗的角度），并告知用户 AI 引入的潜在漏洞。 我们希望包括美国国家标准与技术研究院 (NIST) 在内的其他机构能够从中受益并为这项工作做出贡献。

您正在做什么来培养 AI 就绪的劳动力？

帕梅拉·艾索姆： 我们与国家实验室合作，每年两次向 DOE 利益相关者教授 AI。 在 2022 年，我们希望通过引入沉浸式学习将培训提升到另一个层次。 

我的个人目标是帮助受人工智能自动化方面影响的社区。 一个令人关注的领域是就业，这也是能源部长和政府的关注重点。 我们需要公民维持和发展他们的工作，而不是因为人工智能的进步而失去他们。 例如，工人需要知道如何与机器人协同工作，以及如何增强 AI 的可解释性，以便正确验证和传达推理。 这种能力类似于较软但关键的技能，可以增强消费者的信心，同时为技能发展创造独特的机会。 例如，学校教师应参与算法培训，至少应参与测试，以帮助生成公平、无偏见的输出。 他们需要保证 AI 推理不会对学生的行为产生不利影响或在采用时危及生命。 可解释的人工智能在这方面很有前景。 这些例子代表了可以挽救生命的技能和人才发展潜力的一小部分。

未来几年，您最期待什么AI技术？

帕梅拉·艾索姆： 我对 2022 年以及与下一代 AI 相关的前瞻性活动感到兴奋。 我非常期待人工智能的进步，这样对数据的依赖就不会那么深了，相反，人工智能会自己找出解决问题所需的数据。 我依靠工具和技术来解释解决方案和预测背后的基本原理。 该部通过改进项目的战略、规划和实施的协调，在人工智能领域发挥更强有力的领导作用。 由 Lawrence Livermore 赞助的国家实验室和 AI 孵化器计划是正在发生的创新支持的众多例子之一。 在降低风险方面，我们希望确保 AI 不会引入可能对抗脱碳努力的能源和资源效率低下，并且我们热衷于为使命、国家，特别是我们的利益提供负责任、合乎道德的 AI孩子们。 

Pamela Isom 将在 2021 年 XNUMX 月的 AI in Government 活动中发表演讲，届时她将讨论 DOE 如何通过战略协调、规划和卓越的客户服务（包括解决 AI 道德、AI 原则和 AI 风险管理手册亮点）来最大限度地发挥 AI 的影响.