Miguel Luengo-Oroz
De fleste bestyrelser har i dag en AI-politik. Meget få kan dog give et holdbart svar på, hvad politikken rent faktisk regulerer, når modellerne tages i brug på tværs af driften, produkterne og beslutninger vedrørende medarbejdere. Det sværere spørgsmål er, hvordan man kan fastholde ambitionerne inden for AI uden at miste offentlighedens tillid, den lovgivningsmæssige status eller den interne troværdighed, når den første alvorlige fejl opstår.
Miguel Luengo-Oroz er forsker, iværksætter og tidligere chefdataforsker ved De Forenede Nationer, der hjælper organisationer med at udvikle kunstig intelligens, der kan stå sin prøve i forhold til etiske, lovgivningsmæssige og driftsmæssige krav.
Full Profile
Hvorfor organisationer samarbejder med Miguel Luengo-Oroz
- Han var i seks år den første Chief Data Scientist i FN, hvor han anvendte AI til konfliktforebyggelse, flygtningehjælp, epidemier og menneskerettigheder. Det er et perspektiv, som ingen konsulent eller akademiker alene kan matche.
- Han leder Spotlab, en virksomhed, der udvikler og implementerer AI inden for klinisk diagnostik. Hans synspunkter om risici ved AI er baseret på erfaringer med at implementere produktionssystemer i praksis, ikke på teoretisk regulering.
- Han har udgivet mere end 100 artikler i tidsskrifter som Nature og MIT Technology Review og har briefet regeringer i Europa og USA, herunder Global Partnership on AI.
- Han opfandt MalariaSpot, et crowdsourcet spil, der gjorde tusindvis af borgere til bidragydere til diagnostik. Han har indgående kendskab til både AI-etiske principper og til, hvordan det ser ud i praksis, når mennesker og AI rent faktisk deler arbejdet.
Højdepunkter i biografien
- Første Chief Data Scientist i FN, UN Global Pulse, Generalsekretærens Kontor, 2016 til 2022.
- Grundlægger og administrerende direktør for Spotlab, en AI-platform til klinisk forskning og universel diagnose.
- Professor ved Universidad Politécnica de Madrid; ph.d. (særpris) fra samme institution; yderligere kandidatgrad fra EHESS og École Normale Supérieure, Paris.
- Obama Foundation Leader (Europa 2023), Ashoka Fellow, MIT Technology Review TR35, Fellow of the Royal Society of Arts, EU Responsible Research and Innovation Award.
- Har udgivet mere end 100 videnskabelige artikler, policy briefs og kronikker; omtalt i Nature, MIT Technology Review, The Guardian og The New York Times.
- Opfinder af MalariaSpot.org, et crowdsourcing-videospil til diagnosticering af malaria.
Biografi
FN oprettede sin første stilling som Chief Data Scientist i 2016, og Miguel Luengo-Oroz besatte den i seks år. Opgaven bestod i at anvende AI og datavidenskab til at løse problemer, hvor der ikke er plads til fejl: håndtering af epidemier, flygtningestrømme, opsporing af hadefuld tale, konfliktforebyggelse og klima. Denne erfaring formede en arbejdsfilosofi om, at ansvarlig AI ikke er en værdierklæring, men en operationel disciplin.
I dag leder han Spotlab, en AI-platform til klinisk forskning og diagnostik, der er bygget op omkring smartphones, AI-modeller og 3D-print for at bringe kvalitetsdiagnostik til sygdomme, der stort set er fraværende i den digitale sundhedsøkonomi. Han er desuden professor ved Universidad Politécnica de Madrid, hvor hans forskning spænder over generativ AI, kollektiv intelligens og systembiologi.
Hans kommentarer bygger på mere end 100 publikationer i blandt andet *Nature*, *MIT Technology Review*, *The Guardian* og *The New York Times* samt på rådgivningsarbejde for regeringer i Europa og USA og Global Partnership on AI. Blandt hans anerkendelser kan nævnes Obama Foundation Leaders-programmet, et Ashoka-stipendium, MIT TR35, EU’s pris for ansvarlig forskning og innovation samt et stipendium fra Royal Society of Arts.
For ledende medarbejdere ligger værdien i kombinationen: en person, der har fastlagt AI-politikken i verdens mest nøje overvågede offentlige institution, og som i øjeblikket leverer AI-produkter til regulerede medicinske miljøer. Han taler om risici og muligheder ved AI med den konkrete indsigt, som kun en person med praktisk erfaring kan bidrage med.
Vigtigste foredragstemaer
- Ansvarlig og etisk AI
- AI-styring og teknologi i almenhedens interesse
- AI inden for sundhedspleje og diagnostik
- AI til bæredygtig udvikling og humanitær indsats
- Generativ AI: anvendelser, risici og begrænsninger
- Fremtiden for AI-politik og -regulering
- Datavidenskab i multilaterale institutioner
Ideel til
- Bestyrelser og ledelsesudvalg, der fastlægger AI-styring og risikostrategi
- CTO'er, Chief Data Officers og Chief AI Officers, der implementerer ansvarlig AI
- Ledere inden for sundhed, biovidenskab og medicinalindustrien, der implementerer klinisk AI
- Ledelsesteam i den offentlige sektor, multilaterale organisationer og NGO'er, der anvender AI i politik og drift
Resultater for målgruppen
- Et klart overblik over, hvor AI-risici rent faktisk ligger i implementeringen, ud over politiske erklæringer
- Konkrete eksempler på anvendelse af AI til kritiske problemstillinger inden for FN og i kliniske sammenhænge
- En praktisk ramme til at skelne mellem ansvarlig AI som fagområde og ansvarlig AI som branding
- Mere præcise spørgsmål, der kan stilles til interne AI-programmer, leverandører og tilsynsmyndigheder
- Et realistisk perspektiv på, hvad generativ AI vil betyde for organisationer i løbet af de næste to til tre år
Samtaler
En jordnær gennemgang af, hvor AI leverer resultater, hvor den svigter, og hvad ledere bør holde øje med fremover.
Vigtige pointer:
- Hvor AI går fra pilotfase til operationel virkelighed, og hvor det ikke er tilfældet
- De kategorier af AI-risici, som bestyrelserne konsekvent undervurderer
- Hvad den næste fase af AI-regulering vil kræve af organisationerne
Ansvarlig AI set indefra FN: principperne og hvad der skal til for at omsætte dem til praksis.
Vigtigste pointer:
- Hvorfor ansvarlig AI er en implementeringsdisciplin, ikke en værdierklæring
- Erfaringer fra anvendelsen af AI i forbindelse med flygtninge, epidemier, hadefuld tale og menneskerettigheder
- Hvordan man integrerer AI-etik i produkt- og politikbeslutninger, der bliver gennemført
Status for klinisk og diagnostisk AI, baseret på erfaringer fra driften af Spotlab i regulerede medicinske miljøer.
Vigtigste konklusioner:
- Hvor AI udfylder reelle huller i diagnostikken, især uden for systemer i lande med høj indkomst
- De udfordringer inden for integration, regulering og tillid, der afgør, om klinisk AI kan skaleres
- Hvad ledere inden for sundhedssektoren bør forvente af AI-leverandører i de næste tre år