AI 보증과 감사: 기초와 실무
- 단계
- L2 중급
- 학습 시간
- 약 24시간(계획 추정치)
- 상태
- 계획됨
- 선수 조건
- 해당 분야의 L1 과정 또는 입문 심사
Changes compliance timelines and planning assumptions for organisations deploying high-risk AI systems in the EU.
학습 성과
- AI 보증과 이 분야의 다른 핵심 용어를 정의하고 서면 사례에서 올바르게 사용합니다
- Explain AI system impact assessment and AI risk management frameworks with a worked example and its source
- 학문 분야의 방법을 문서화된 사례에 적용하고 각 결과를 출처와 함께 설명합니다
- Analyse a named case against auditing AI management systems, stating evidence, date and limits
모듈
-
AI system impact assessment
- AI system impact assessment
- AI risk management frameworks
- Auditing AI management systems
-
Conformity assessment under the EU AI Act
- Conformity assessment under the EU AI Act
- Assurance cases and evidence
- 문서화: 모델 카드, 시스템 카드, 기술 문서
-
에이전트형 AI 보증 및 감독
- 에이전트형 AI 보증 및 감독
- Red teaming and third-party evaluation
- Post-market monitoring and incident reporting
-
랩: 학문 분야의 방법
- 통제 적용 범위는 설계와 운영이라는 두 가지 수치로 나타냅니다. 운영 효과성은 기록 표본으로 판단하며, 표본 크기가 감사인이 배제할 수 있는 예외 비율의 한계를 정하므로, 의견은 기록이 무엇을 보여 주었는지만큼이나 몇 건의 기록을 추출했는지에도 달려 있습니다.
- 문서화된 사례를 통해 방법을 적용하고 각 결과를 설명합니다
- 방법의 출처와 명시된 값 읽기
Academy 도구를 활용한 랩
방법
- 통제 목록에서 감사 의견까지: 기록 표본으로 무엇을 확인할 수 있는가분야 페이지에 실린 해당 분야의 방법론을, 인용 출처와 함께 문서화된 사례로 풀어 설명합니다
도구
트윈 빌더
- 디지털 트윈 빌더학부의 장소를 3D로 구축하고, 레이어를 전환하며, 각 레이어의 출처 표기와 날짜를 확인합니다
지도 레이어
- 오늘 밤 야간 조명, 정전(VIIRS Day/Night Band)Academy의 라이선스 등록부가 승인한 개방형 지도 레이어로, 지도 도구에서 읽습니다
- 시가지 및 정주지 범위, 2010년(HBASE, Landsat)Academy의 라이선스 등록부가 승인한 개방형 지도 레이어로, 지도 도구에서 읽습니다
- 인구 밀도, 2020년(GPW v4.11)Academy의 라이선스 등록부가 승인한 개방형 지도 레이어로, 지도 도구에서 읽습니다
Foundry 룸
- Assurance room, NXS-NSFAssurance cases and audit findings for AI systems
- Benchmarks room, NXS-LABThird-party evaluation of AI systems on stated tasks
평가
- 40%
랩 기록
문서화된 사례를 통해 학문 분야의 방법을 적용하고 각 결과를 출처 및 날짜와 함께 설명합니다
- 40%
사례 메모
학문 분야의 방법을 특정 장소나 조직에 적용하고 근거와 한계를 밝힙니다
- 20%
핵심 용어 확인
핵심 용어에 대한 단답형 문항으로, 정의에 따라 채점합니다
운영 방식
- 자기 주도 온라인 학습, 브라우저에서 진행하는 랩
- 여섯 주에서 여덟 주에 걸친 코호트 학습과 주간 랩 검토
- 파트너 기관과 공동으로, 해당 기관의 자체 과정 안에서 운영
이 과정의 파트너 되기
- 모듈을 공동으로 가르치고 업무에서 얻은 최근 사례를 가져오십시오
- 학습자를 위한 코호트를 자체 일정과 검토로 운영하기
- 랩 기여하기: 기관이 공개적으로 게시하는 데이터셋 또는 모형
- 공개 전에 과정 내용과 참고문헌을 검토하기
- 과정을 번역하고 사례를 지역에 맞게 조정하기
Academy LMS에서
- Course on the learning platform
- Intermediate, 4 sections
- 코호트 그룹
- A community group for each cohort of learners
- 성과
- Recorded on completion of the assessed work
참고문헌 4
- Council of the European Union, Artificial intelligence: Council and Parliament agree to simplify and streamline rules,
- Raji et al., Closing the AI Accountability Gap: Defining an End-to-End Framework for Internal Algorithmic Auditing, 2020
- Mökander, Schuett, Kirk and Floridi, Auditing large language models: a three-layered approach, 2023
- Schuett, Three lines of defense against risks from AI, 2023