IA Responsable : Un Guide Non Technique pour les Gestionnaires

Aperçu

Balancing AI Innovation with Ethics:

Fairness, Privacy, and Generative AI Risks for Managers What you'll learn:

Understand the main risks of working with (generative) AI, related to:

privacy, fairness, explainability, transparency and accountability.Evaluate AI projects in terms of responsible AIUnderstand these risks and responsible AI practices through real-world examples in areas as banking, recruitment, healthcare and education.Understand main issues related to regulations, such as the EU AI ActDefine the role and responsibilities of a Responsible AI BoardImplement Strategies for AI Risk MitigationPromote Organizational AI LiteracyUnderstand and Plan for Long-Term AI Risks In today's rapidly evolving technological landscape, understanding and managing the risks associated with AI is crucial for business leaders.Course Overview:

"Responsible AI:

A Non-Technical Guide for Managers" povides a high-level introduction and is tailored to equip managers with the knowledge and tools necessary to navigate the complexities of AI implementation responsibly. The course provides both key concepts, some initial solutions and various cautionary tales to make the issue more tangible.The course is structured in five Sections:

Intro to Machine Learning, AI and Responsible AICore Principles of Responsible AI related to privacy, fairness and transparencyGenerative AI Risks as hallucinations, data leakage and biasAdvanced Topics in Responsible AI related to sustainability,AGI and ASIImplementing Responsible AI in Practice focusing on the responsible AI board, principles and trainingWhy Enroll?This course offers a comprehensive, non-technical approach, making it accessible to managers from diverse backgrounds.Through real-world examples and practical insights, you'll gain the confidence to lead AI initiatives that are not only innovative but also ethically sound and sustainable.Whether you're new to AI or looking to deepen your understanding of its ethical implications, this course equips you to lead responsibly in a rapidly evolving technological landscape.

Programme

• **Introduction à l'apprentissage automatique, IA, et IA responsable**
Aperçu de l'IA et de l'apprentissage automatique
Définition et importance de l'IA responsable
Études de cas : implémentations réussies et infructueuses de l'IA
• **Principes fondamentaux de l'IA responsable**
Confidentialité : protection des données et consentement des utilisateurs
Équité : éviter la discrimination et les biais
Transparence : explicabilité et interprétabilité des modèles d'IA
Responsabilité : responsabilité dans la prise de décision par l'IA
• **Risques de l'IA générative**
Comprendre les hallucinations dans les modèles génératifs
Risques de fuite de données et atteintes à la vie privée
Identifier et atténuer les biais dans l'IA générative
• **Sujets avancés en IA responsable**
Durabilité de l'IA et impact environnemental
Considérations à long terme avec l'AGI et l'ASI (Intelligence générale et superintelligence artificielle)
Le rôle de l'IA dans la formation des cadres réglementaires futurs
• **Mise en œuvre de l'IA responsable en pratique**
Établir un comité d'IA responsable : rôles et responsabilités
Développer et appliquer des principes éthiques d'IA
Former et promouvoir la culture de l'IA au sein des organisations
Stratégies pour l'atténuation des risques de l'IA
Planification pour les risques à long terme de l'IA
• **Cadres réglementaires et directives**
Aperçu de la réglementation sur l'IA de l'UE et ses implications
Comprendre les tendances réglementaires mondiales et la conformité
• **Informations finales et vision stratégique**
Exemples concrets : l'IA dans la banque, le recrutement, la santé et l'éducation
Construire une culture de leadership éthique en IA
Stratégies pour l'apprentissage continu et l'adaptation dans l'IA
• **Conclusion du cours**
Résumé des principaux enseignements
Discussion finale et Q&R

---

Enseigné par

David Martens

---

Matières

Computer Science