培养联邦劳动力：2024 年及以后的技术趋势
拜登总统关于安全、可靠和值得信赖的人工智能的行政命令 (EO)促使联邦机构加速采用人工智能。我们将解释各机构如何实施指导并为联邦劳动力做好准备，迎接 2024 年及以后的其他技术趋势。
想要了解更多来自科技领袖的科技预测，并了解自己可以采取哪些措施来取得领先吗？下载 2024 年科技预测。
目录
政府机构的人工智能集成：迈向人工智能 EO 的短期步骤
虽然各机构已经开始为联邦劳动力做好人工智能技术的准备，但他们仍需做几件事才能实现 EO 的目标并取得长期成功。
Pluralsight 公共部门解决方案架构师实践负责人 Tony Holmes 表示：“实质上，2024 年将专注于建立基础、生态系统和初步协调工作，以制定该命令的长期目标，同时展示政府对人工智能优先事项的势头和持续投资。”
他指出了各机构需要采取的三项短期行动，以符合 AI EO。
1. 开展公共部门人工智能研究和资助
各机构将扩大国家科学基金会等科学机构的研究和试点资助机会，以发现隐私保护技术和特定行业的人工智能研究。这些研究将推动未来的人工智能投资和政府创新。
2. 更新人工智能的政策和协议
各机构需要更新其采购协议，以提高灵活性并更快地获取 AI 工具。随着招聘专业 AI 人才的稀缺性和高成本日益凸显，这些机构必须将重点转向加强现有员工的技能提升和再培训计划。
这种对内部人才培养的战略重点不仅为构建人工智能能力提供了更可持续、更具成本效益的方法，而且还确保了一支能够应对不断发展的人工智能格局的弹性劳动力队伍。
3. 建立衡量成功的关键指标
各机构将使用基准测试和数据收集来跟踪联邦环境中人工智能系统的使用情况、有效性和采用情况。这些信息将帮助我们了解各机构如何使用人工智能、人工智能对关键任务目标的影响以及人工智能的成熟度。
长期人工智能挑战：政府技术转型的基础工作
立即采取行动将有助于各机构应对人工智能采用的长期挑战。
合规性、隐私法规和道德问题
人工智能面临的最大挑战之一与支持人工智能模型和大型语言模型 (LLM) 的数据有关。随着机构采用人工智能，他们需要保护敏感数据、保持数据可见性并确保输出质量，以最大限度地保护数据隐私、降低道德困境风险并遵守人工智能框架和指导。
预算限制和遗留基础设施
虽然人工智能可以简化流程并降低某些成本，但预算和基础设施限制可能会成为未来的问题。正如 Tony 所说，“许多机构缺乏支持高级人工智能模型所需的现代数据管理、计算能力和工具。”
为了支持长期的人工智能整合，各机构需要实现现代化。Tony 表示：“行业可以提供技术资源、平台访问以及构建可扩展数据管道的指导。”
增强政府雇员的能力：投资联邦雇员的人工智能技能
然而，最紧迫的挑战是人工智能技能差距。人工智能/机器学习专家短缺，政府机构难以与私营部门组织竞争。“人工智能市场竞争激烈，机构难以招聘和留住合格人才，”Tony 解释道。
为了克服这一障碍，Tony 建议投资于联邦工作人员的 AI 技能开发，并重新培训现有员工，而不是雇用新人才。专注于在整个机构内建立 AI 技能。这包括基本的 AI 基础和知识，以及更高级技能和工具的实际应用。
2024 年预测趋势：对联邦劳动力的影响
虽然人工智能无疑是各机构最关注的问题，但它并不是2024 年及以后唯一需要准备的技术趋势。
基本技术技能将变得更加重要
随着人工智能的发展，它将增强数据科学、云计算和网络安全，而政府工作人员需要具备与时俱进的技能。人工智能技能至关重要，但不要忘记其他必不可少的技术技能，例如云计算概念和服务、数据科学和数据分析、编码能力和网络安全最佳实践。
人工智能将改变政府雇员的学习方式
政府雇员可能需要数年时间才能接受全面培训并胜任工作。对于网络安全岗位来说尤其如此。
人工智能将改变人们的学习方式，您可以利用这项新技术来培训联邦劳动力并更快地完成关键任务计划。例如，生成式人工智能可以根据政府雇员的角色、技能水平或即将开展的项目为他们创建定制的培训和发展计划。因此，员工可以跳过他们已知的信息，专注于学习新技能或深化知识。
安全威胁的数量和复杂性将增加
2024 年全年，威胁行为者将利用现有的安全漏洞，同时暴露新的风险。例如，威胁行为者将使用深度伪造来访问系统。人工智能还将允许威胁行为者开发更复杂的恶意软件。政府雇员需要了解这些新的攻击媒介，并培养批判性思维等软技能来抵御这些威胁。
政府机构拥抱技术进步
Tony 表示：“广泛的内部 AI 专业知识对于推动部署中的问责制和责任制至关重要。培训基准和成果应成为长期跟踪的更广泛的成功指标的一部分。如果没有 AI 知识丰富的员工队伍，纸面上的政策可能几乎没有实际影响。”
其他新兴技术和科技趋势也是如此。联邦劳动力需要相关的技能提升机会，以遵守新立法、培育创新文化并实现其使命。
准备好开始提升政府雇员的技能了吗？了解 Pluralsight 如何帮助政府机构培养技术技能、获得实际应用并更快地交付关键任务成果。
免责声明：本内容来源于第三方作者授权、网友推荐或互联网整理，旨在为广大用户提供学习与参考之用。所有文本和图片版权归原创网站或作者本人所有，其观点并不代表本站立场。如有任何版权侵犯或转载不当之情况，请与我们取得联系，我们将尽快进行相关处理与修改。感谢您的理解与支持！
请先 登录后发表评论 ~