文/Ron Schmelzer
隨著世界走向數(shù)字化和數(shù)據(jù)驅(qū)動，人們越來越希望提高數(shù)據(jù)的可視化和透明度。在這個過程中，世界各地政府正逐步在提交和支付稅收，以及獲取收入等方面推廣數(shù)字化，并將更加深入的數(shù)據(jù)使用模式應(yīng)用到自身的支出管理上。
美國聯(lián)邦政府中知名度較低的機(jī)構(gòu)之一是財政服務(wù)局（Bureau of the Fiscal Service，BFS）。作為美國財政部的一個部門，BFS負(fù)責(zé)管理美國聯(lián)邦政府的會計、中央支付系統(tǒng)和公共債務(wù)。實質(zhì)上，它就是美國聯(lián)邦政府的簿記員�？紤]到每年流入美國國庫的數(shù)萬億美元，這是一個重要的角色。自聯(lián)邦資金問責(zé)與透明法案（Federal Funding Accountability and Transparency Act，F(xiàn)FATA）在2006年9月26日成為法律以來，BFS開啟了一系列以數(shù)據(jù)為中心的努力，從而為政府支出提供可見性，包括USASpending.gov、FiscalData.Treasury.gov、DataLab.USASpending.gov。
在這個過程中，BFS在AI的使用上投入了大量資金，而這也是BFS首席數(shù)據(jù)官Justin Marsico在2021年11月18日將要展示的主要內(nèi)容。在那次展示中，Justin Marsico會分享BFS在AI應(yīng)用方面的深度投入，以及在政府支出和收入方面的一些洞察。
在這篇文章中，Justin Marsico分享了對于AI在BFS中使用的一些看法。
在通過數(shù)據(jù)和AI來使BFS受益上，你們有何創(chuàng)新？
Justin Marsico：在BFS，我們正利用AI對復(fù)雜金融數(shù)據(jù)進(jìn)行創(chuàng)新。例如，AI能幫助將撥款法案轉(zhuǎn)換成結(jié)構(gòu)化數(shù)據(jù)，這樣我們就可以將支出數(shù)據(jù)分配給特定的項目。這有助于我們通過數(shù)據(jù)可視化和其它可視化工具簡化流程，進(jìn)而節(jié)省時間。另外，我們也開始用AI進(jìn)行欺詐檢測和神經(jīng)搜索，以改善我們面向公眾的網(wǎng)站的搜索功能。
你們是如何通過自動化來幫助轉(zhuǎn)向AI的？
Justin Marsico：數(shù)據(jù)存儲向云端的轉(zhuǎn)移，為自動化ETL（提娶轉(zhuǎn)換和加載）、數(shù)據(jù)質(zhì)量評估、異常值檢測提供了機(jī)會，并提高了我們?yōu)闄C(jī)器學(xué)習(xí)系統(tǒng)奠定基礎(chǔ)的能力。
對于自動化和認(rèn)知技術(shù)項目，你們?nèi)绾未_定該從哪個問題領(lǐng)域開始？
Justin Marsico：我們與聯(lián)邦流程改進(jìn)團(tuán)隊密切合作，以確定哪些流程可以從RPA中獲益，哪些流程可以從AI中獲益，AI的采用案例通常來自于流程改進(jìn)的努力和技術(shù)。另外，我們還從銀行、會計和數(shù)據(jù)收集方面的創(chuàng)新中學(xué)習(xí)了一些眾所周知的案例，而它們可以應(yīng)用到我們當(dāng)前的系統(tǒng)中。
在數(shù)據(jù)和AI方面，公共部門有哪些獨特的機(jī)遇？
Justin Marsico：總體而言，公共部門在數(shù)據(jù)合成、數(shù)據(jù)融合和數(shù)據(jù)收集方面擁有巨大的機(jī)遇，包括為公眾提供信息，以及建立起加快衡量政策有效性和公共安全性、并優(yōu)化開放數(shù)據(jù)共享的關(guān)鍵系統(tǒng)。通過BFS所協(xié)助建立起來的系統(tǒng)，美國聯(lián)邦雇員能提高財務(wù)報告的準(zhǔn)確性，并縮短向機(jī)構(gòu)提供貨幣服務(wù)的交付時間。
你可以分享哪些成功的AI應(yīng)用案例？
Justin Marsico：BFS已經(jīng)成功地在稅收征管部門進(jìn)行了AI欺詐檢測的試點，并在自然語言處理方面進(jìn)行了嘗試，將國會撥款法案轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)，然后將支出分配到聯(lián)邦賬戶。
公共部門在應(yīng)用AI和機(jī)器學(xué)習(xí)方面有什么挑戰(zhàn)？
Justin Marsico：無論在私營部門還是公共部門，治理和數(shù)據(jù)共享始終是一個挑戰(zhàn)。對于以不歧視的方式使用機(jī)器學(xué)習(xí)存在著合理數(shù)據(jù)倫理的擔(dān)憂。另外，還需要權(quán)衡數(shù)據(jù)的可共享性、IT安全性和隱私。政府正在積極地對系統(tǒng)進(jìn)行現(xiàn)代化改造，但在部署機(jī)器學(xué)習(xí)系統(tǒng)之前，需要等待一個在可用性、治理規(guī)則、網(wǎng)絡(luò)安全需求、API等領(lǐng)域的開發(fā)過程。
在BFS，分析、自動化和AI如何協(xié)同工作？
Justin Marsico：分析和AI通常要經(jīng)過層層的同行評審，所以AI的解釋能力或因果模型很重要。一般的儀表板可以自動化，但是當(dāng)研究問題和探索因果關(guān)系的目標(biāo)是為戰(zhàn)略決策者提供解釋時，這種類型的工作需要有科學(xué)的嚴(yán)謹(jǐn)性。
你們是如何處理有關(guān)AI使用的隱私、信任和安全問題的？
Justin Marsico：我們建立了一個數(shù)據(jù)治理委員會和一個分析小組委員會，將利益相關(guān)者聚集在一起，以保證系統(tǒng)開發(fā)是安全的。在BFS里，我們還會針對特定用途來采用聯(lián)邦數(shù)據(jù)戰(zhàn)略和數(shù)據(jù)道德框架。如果得到適當(dāng)?shù)膶嵤�，�?shù)據(jù)倫理將有助于BFS的數(shù)據(jù)用戶做出公平?jīng)Q策，并促進(jìn)數(shù)據(jù)生命周期內(nèi)的問責(zé)制。
你們在開發(fā)AI勞動力方面做了什么？
Justin Marsico：我們已經(jīng)建立了一個跨部門的分析實踐社區(qū)。通過與該社區(qū)合作，我們正在開發(fā)一個由社區(qū)主導(dǎo)的通用數(shù)據(jù)科學(xué)工具認(rèn)證項目。另外，我們還剛剛完成了一項全BFS范圍內(nèi)的數(shù)據(jù)挑戰(zhàn)，并計劃每年進(jìn)行一次，同時我們還會探索其它針對公眾和我們的認(rèn)證項目的周期性挑戰(zhàn)。
在未來幾年，你最期待的AI技術(shù)是什么？
Justin Marsico：我們期待的一個領(lǐng)域是合成數(shù)據(jù)，因為這可以幫助我們改善公共數(shù)據(jù)的可用性。此外，深度強(qiáng)化學(xué)習(xí)的發(fā)展趨勢可能會對機(jī)構(gòu)的運作產(chǎn)生重大影響。為了支持AI，我們一直關(guān)注數(shù)據(jù)工程系統(tǒng)的趨勢，包括數(shù)據(jù)網(wǎng)格架構(gòu)和機(jī)器學(xué)習(xí)的使用，以幫助跨不同系統(tǒng)的數(shù)據(jù)屬性達(dá)到標(biāo)準(zhǔn)化。量子AI系統(tǒng)距離我們還很遠(yuǎn)，但也可能產(chǎn)生重大影響。隨著技術(shù)的不斷成熟，我們將繼續(xù)監(jiān)測其未來的發(fā)展。
Ron Schmelzer是福布斯撰稿人。
