2019年6月24日
就在上个月，我们有机会参与围绕人工智能标准的更广泛的讨论。特别是，我们回应了美国国家标准与技术研究院 (NIST) 的这份信息征求 (RFI)，旨在制定一项联邦参与计划，通过共同的技术标准支持可靠、稳健和值得信赖的人工智能技术。
在 Neo4j，我们坚信——我个人也深信——人工智能不仅应该由强大的技术标准指导，还应该由强大的伦理标准指导。这两个领域的关键重叠原则就是上下文。
上下文信息不仅可以带来性能更佳的人工智能系统，还可以为创建和塑造人工智能的人提供更清晰的伦理视角。例如，上下文帮助我们理解逻辑处理的因素和路径（并能够解释它们），以便我们能够追究组织对人工智能决策的责任。
上下文——无论是在数据中还是在生活中——都源于连接，而有什么比图技术更适合原生存储、遍历和分析连接？没有。
因此，为了回应 NIST 的请求，上个月我们提交了一封公开信——由我和我才华横溢的同事Amy Hodler共同撰写——阐述了为何应将图数据技术视为人工智能解决方案技术标准的一部分。
以下是我们发送的引言副本——RFI 的其余详细信息在下面
–––
致相关人员：
关于：RFI：制定联邦人工智能标准参与计划
图技术作为人工智能基础的论证
我们正在回复美国国家标准与技术研究院 (NIST) 关于制定联邦参与计划的信息征求 (RFI)，该计划旨在支持可靠、稳健和值得信赖的利用人工智能 (AI) 技术的系统开发技术标准和相关工具：文件 2019-08818。
人工智能的潜在力量是巨大的，它将以我们目前无法想象的方式被使用。尽管如此，也许正因为如此，我们有责任以促进创新和公平竞争、公众信任和信心，同时纳入适当保护措施的方式来指导其发展和应用。
我们是 Emil Eifrem 和 Amy Hodler，分别担任 Neo4j, Inc. 的首席执行官和分析与人工智能项目经理，该公司位于加利福尼亚州。多年来，我们一直参与与数据技术相关的领域，这些技术专门处理人员、流程、位置和系统之间如何连接和相互关联。
Neo4j 通过图技术帮助人们理解数据，这些技术可以自然地存储、计算和分析数据点之间的连接和路径。当以图平台提供的上下文信息为基础时，人工智能和机器学习系统会更有效、更可靠和更稳健。我们可以协助联邦政府了解连接数据在人工智能和学习系统中发挥的重要作用。
如今，Neo4j 在图平台类别中占据安装量领先地位，其中包括众多商业项目和联邦项目，包括国防部、美国情报界以及州和地方政府机构。例如，美国陆军在其采购流程中部署了 Neo4j 用于跟踪设备维护。 MITRE 公司使用 Neo4j 管理网络安全，而 NASA 利用 Neo4j 驱动的知识图谱整合和参考其过去的研究。
私营部门通常在技术标准方面处于领先地位，但我们也相信公私合作能够促进创新并确保透明度。我们是开源项目的积极贡献者，并支持非营利组织，包括我们与 NASA 和国际调查记者联盟 (ICIJ) 在 巴拿马文件 上的合作，该合作三年来已导致超过 12 亿美元的税务欺诈调查。
通过与高度监管和轻度监管的行业以及政府合作，我们了解到复杂数据及其在人工智能中的应用是一个全球性问题，任何单个组织都不应单独对其进行监管。我们正在提供我们的建议和支持，以帮助您制定人工智能技术标准。
总而言之，必须将上下文纳入人工智能，以确保我们以不违反社会和经济原则的方式应用这些技术。没有明确包含上下文信息的人工智能标准会导致次优结果，因为解决方案提供商会忽略有价值的、相关的邻近信息。我们已附上我们关于标准和工具的建议，以指导人工智能技术，使其真正变得可靠、稳健和值得信赖。
此致敬礼，
Emil Eifrem，Neo4j 首席执行官兼联合创始人
Amy E. Hodler，Neo4j 分析与人工智能项目经理
–––
在接下来的几周内，Amy 将更详细地介绍（她的系列文章从 这里 开始）——根据我们提交给 NIST 的完整报告，说明图技术为何以及如何成为为人工智能解决方案提供道德和经济背景的优越选择。
无论通过正式的标准机构还是通过市场范围内的协议，我都希望有一天所有的人工智能系统都能从 互联数据 上下文带来的道德、经济和技术优势中受益。
——Emil