Solid bransjekunnskap innen blant annet maritim sektor, energisektoren og helsesektoren, gjør at DNV ikke bare forstår kunstig intelligens isolert, men også hvordan det fungerer sammen med andre komplekse systemer.

Påliteligheten må demonstreres 
Fremveksten av kunstig intelligens krever en ny tilnærming til risiko. Mens konvensjonelle mekaniske eller elektriske systemer endres gradvis over flere år, kan AI-baserte systemer endre seg i løpet av millisekunder. Et konvensjonelt sertifikat fra DNV, som normalt har en gyldighet på tre til fem år, kan derfor raskt bli ugyldiggjort. Det er derfor behov for en annen sertifiseringsmetodikk, samt en grundig forståelse av det komplekse samspillet mellom system og kunstig intelligens. Først da kan man gjøre en skikkelig vurdering av hvordan kunstig intelligens både kan forbedre et systems fysiske ytelse – og introdusere ny sårbarhet.

– Mange av våre kunder investerer betydelige beløp i forberedelser og bruk av kunstig intelligens, men har utfordringer med å demonstrere de nye løsningenes pålitelighet for sine brukere og andre interessenter. Det er denne tillitskløften DNV ønsker å tette med lanseringen av disse retningslinjene, som vi publiserer i forkant av den nært forestående European Union Artificial Intelligence Act, sier Remi Eriksen, konsernsjef i DNV.

European Union Artificial Intelligence Act blir verdens første lov for kunstig intelligens. Loven definerer kunstig intelligens svært bredt, og dekker i prinsippet ethvert datadrevet system i EU, uavhengig av hvor det er utviklet eller henter sine data fra. DNVs retningslinjer gir selskaper et grunnlag for å sikre at de oppfyller relevante krav i den kommende loven.

– Jeg tror at DNV, med vår lange tradisjon for å hjelpe våre kunder med å sikre kvalitet, sikkerhet og pålitelighet til komplekse systemer og verdikjeder, er unikt posisjonert for å tilføre verdi til kundene i deres reise innen kunstig intelligens, sier Eriksen.

Adresserer fire hovedutfordringer
DNVs retningslinjer gir en praktisk tolkning av EUs lovverk for kunstig intelligens. Dette gjøres gjennom en tilnærming basert på påstander og bevis, som adresserer fire sentrale utfordringer:

• Det blir gjort en helhetlig vurdering av systemet, for å fange opp egenskaper og fenomener som oppstår når kunstig intelligens samvirker med fysiske systemkomponenter, mennesker og systemets omgivelser.
• Siden AI-baserte systemer og deres omgivelser er i konstant utvikling, skjer evalueringen fortløpende eller i det minste med samme frekvens som systemforandringene.
• Prosessen inkluderer kartlegging av interessenter og hva de er opptatt av, for å identifisere motstridende interesser og dermed lettere finne kompromisser.

For å fremme samarbeid mellom aktører med ansvar for ulike deler, brukes en modulær tilnærming som gjør at hver aktør kan sikre sine egne deler – slik at et helt system kan sertifiseres basert på modulene og deres samspill.