1. 引言
本报告分析旨在开发一个评估AI准备程度的框架，即从AI集成中获益的能力。通过研究不同领域中的参与者和特征，采用自下而上的方法，找出AI在这些领域集成中的共同模式、指标和评估机制。
ITU AI准备框架旨在与世界各地的多方利益相关者合作，评估和改进AI在各个领域的集成水平，研究用例以验证这些领域中关键因素的权重，提高全球AI能力建设，并促进国际合作机会。
2. ITU AI准备基本框架
该框架确定了6个关键基本因素：
- 数据：用于分析AI应用的数据集的可访问性和质量。
- 研究：特定领域和AI研究社区之间的合作。
- 部署：AI部署的基础设施和生态系统准备情况。
- 标准：确保信任、互操作性和合规性。
- 开源：通过开源开发者生态系统实现快速采用。
- 沙盒：用于AI实验和验证的平台。
3. 结构性方法
在6个基本因素的基础上，从Plugfest项目报告中推导出13个通用维度，每个维度都映射到至少一个因素。这些维度包括：
- 数据/模型市场
- 生成内容市场
- 跨领域相关性分析
- 情境化和区域影响
- AI在工作流程中的集成程度
- 人类界面
- 策略一致性
- 与AI的合作
- 人类在AI集成中的影响
- AI与政策
- AI促进包容性
- 粒度优先级
- 数字基础设施
每个维度都包含具体的指标，用于衡量该领域的特定价值。
4. AI准备差距分析
确定了三种类型的差距：
- 国际标准差距：数据协调、生成式AI和AI能源准备方面的标准差距。
- 实施差距：由于缺乏支持性基础设施、数字化数据集和模型等原因，导致AI技术无法部署。
- 政策差距：不同国家在制定AI政策，特别是跨领域AI治理和特定领域AI集成政策方面的方法存在差异。
5. AI准备框架参与
ITU设计了试点AI准备赋能工具包（AI-RE Toolkit），允许用户自我评估AI集成的现状准备程度，并接收定制建议、差距分析和可操作的计划。工具包使用ITU AI准备知识库（KB）构建的基础模型，并结合区域定制模型，使用户能够根据其环境自我评估AI性能。
6. 未来工作
- 扩大Plugfest计划，与更多区域项目合作，建立沙盒环境，展示解决实际问题的AI集成。
- 合作制定标准，解决Plugfest项目分析中确定的AI准备框架标准差距。
- 启动ITU AI-RE工具包试点，选择用户进行本地运行，分析结果并与相关利益相关者一起进行分析。
- 启动ITU AI准备挑战，以crowdsourcing的方式为构建开放知识库提供解决方案。
- 扩展ITU AI for Good沙盒网络，将尖端AI技术和标准带到更广泛的地区和国家。
7. 核心观点和结论
- AI准备不仅包括技术能力，还包括有效参与国际技术标准制定的能力。
- 数据准备是有效、可信和包容性AI采用的关键决定因素。
- 开源技术降低了全球AI采用的门槛。
- 投资模式影响AI准备水平。
- 区域AI准备评估可以与所有AI准备维度的强劲表现联系起来。
- 政策干预应与AI采用相结合，投资研究和技术能力。
- ITU AI准备框架和工具包为各国、企业和其他第三方提供了一个评估和改进AI准备水平的实用工具。
