当AI成为复杂系统的一部分，我们该如何重新思考风险管理？
人工智能（AI）正在加速融入汽车、航空航天、轨道交通等复杂系统。与此同时，传统的物理系统也正在演变为更加互联、智能和复杂的系统。但AI带来的不仅是新的能力，也带来了不同于传统系统的风险挑战。
TÜV南德最新白皮书《AI赋能系统的风险管理》从系统工程(systems engineering)视角出发，提出了一套面向AI赋能系统的实用风险管理框架，为企业识别、评估和缓解AI风险提供系统化思路。
您将了解到
重新认识AI赋能系统中的风险
了解复杂系统、新兴技术以及AI相关不确定性如何改变传统风险管理方法，并从ISO 31000的风险概念出发重新审视AI风险。
建立AI赋能系统的风险管理框架
了解如何运用系统工程方法，从系统之系统（system-of-systems）、AI系统、AI组件到AI项等不同抽象层级识别和分析风险。
运用置信水平（LoC）评估动态风险
了解如何通过LoC衡量AI赋能系统满足相关要求的程度，并将风险评估从单一的失效概率视角扩展到对不确定性及其后果的分析。
系统开展风险识别、评估与缓解
探索如何结合系统工程方法与STPA，对AI赋能系统中的危害进行识别、分析和优先排序，并采取相应的风险缓解措施。
将风险管理延伸至AI赋能系统的全生命周期
了解如何通过运行时监测、持续收集证据和迭代更新LoC，让风险管理从设计阶段延伸至实际运行阶段，应对不断演化的动态风险。
谁应该阅读本白皮书？
本白皮书适合正在开发、集成、部署或评估AI赋能系统，并关注AI安全、风险与可信赖性的专业人士，包括：
- AI及智能系统研发人员
- 系统安全与功能安全专业人士
- 风险管理及质量管理人员
- AI合规及治理负责人
- 汽车、航空航天、轨道交通及其他复杂智能系统领域的技术与管理人员
关于作者
陈彦至 Chen Yanzhi
陈彦至是TÜV南德大中华区商业产品事业部卓越中心（COE）的杰出工程师。她的专业领域包括计算机视觉及其在智能系统中的应用，包括基于无人机的检测和机器人视觉。
近年来，她专注于为AI赋能系统开发和应用先进的保证方法与风险管理方法，并参与白皮书和推荐实践的制定。她拥有澳大利亚阿德莱德大学计算机科学与数学博士学位。
