Ny utveckling inom artificiell intelligens går fort. Som en ekonom som har forskat om AI-revolutionen, Jag ser 2018 som likt 1995 när det kommersiella internet föddes. Tekniken går snabbt framåt, men de flesta företag har bara börjat komma på hur de ska få det att fungera.

Medan mycket av uppmärksamheten i media är fokuserad på företagstillämpningar av AI, regeringar ökar också sitt fokus på denna teknik som möjliggör förutsägelser.

I slutet av 2016 precis när president Barack Obama lämnade ämbetet, hans administration publicerade fyra rapporter om hur man bäst förbereder den amerikanska ekonomin för utvecklingen och ankomsten av AI.

Förra månaden, Frankrike släppte en omfattande rapport om AI som leds av Fields-medaljören Cédric Villani. President Emmanuel Macron betonade det omedelbara i regeringens politiska val för att säkerställa att Frankrike är väl positionerat för att dra nytta av AI-innovation.

Navigerar i en labyrint

För att överväga de viktigaste politiska alternativen som finns tillgängliga för Kanada, låt oss överväga en analogi. Att hitta den optimala vägen för att dra nytta av AI är som att navigera i en labyrint. De flesta länder har precis vaknat till storleken på priset för att navigera i labyrinten snabbt och på ett sätt som överensstämmer med deras värderingar.

Labyrinter har skarpa och överraskande svängar. Bara för att en mus är nära osten, betyder inte att den kommer dit först. Detta är en förkortning för att säga att det är svårt att veta vad den korrekta vägen är – det är inte nödvändigtvis den kortaste.

Vad kan vi göra för att öka chansen att musen (landet) kommer att lyckas navigera i labyrinten? Ett alternativ är att öka storleken på osten. Det ökar incitamentet att röra sig snabbt och arbeta hårt med navigering.

För AI, detta innebär att se till att innovatörer kan dra nytta av AI-utveckling. För att uppnå detta, vi har politiska hävstänger som konkurrenskraftiga anslag för övertygande forskningsförslag, priser för forskningsresultat och avlägsnande av handelshinder så att produkter kan säljas över hela världen.

Intressant, den franska rapporten lägger inte mycket tid på sådana möjligheter. Och vi bör fundera över varför det är så. Enkelt uttryckt, vinstorienterade företag vet redan att det finns ost i slutet av labyrinten men de vet inte vilken typ av ost det är.

Var är osten?

Regeringen skulle kunna sänka skatterna på inkomsterna för företag som använder AI, men hur skulle de identifiera sådana företag, även i efterhand? AI är en allmän teknik. Den kan användas var som helst. Att skapa ett incitament skulle vara som att marknadsföra kanadensisk cheddar, men subventionerar tusentals andra osttyper.

Det andra sättet att förbättra labyrints prestanda är att göra musen starkare. Om en mus svälter, den kanske inte är utrustad för att ta sig genom labyrinten. Så, du kan göda musen lite och göra den starkare. För AI, detta är en värld av skattelättnader för utgifter för AI, statliga subventioner för grundläggande AI-forskning och subventionering av utbildning av AI-talanger för att säkerställa att kanadensiska företag kan få den talang de behöver.

Kanada visar sig ha vissa fördelar. Bara denna månad, Canada 150 Research Chair-programmet ledde till att University of Toronto anställde Alan Aspuru-Guznik, en expert på maskininlärning, kvantberäkning och kemi, från sin fasta tjänst vid Harvard. Han såg Kanada som ett land i överensstämmelse med hans värderingar. Mer kritiskt, han ansluter sig till ett växande vetenskapligt ekosystem som drivs av initiativ som Vector Institute for Artificial Intelligence.

Ta bort barriärer

Det sista sättet att förbättra labyrinten är att ta bort barriärer. Även om vissa barriärer är innovationens natur, andra placeras där av regeringens politik. Det allra första förslaget i den franska AI-rapporten handlar om detta — att säkerställa att data finns tillgängliga för att träna AI.

De flesta datorrelaterade projekt är hungriga på data och kunskap. Trots allt, webben är bara en stor dataöverföringsmotor. Men som jag beskriver i min nya bok, Prediction Machines:The Simple Economics of Artificiell Intelligens , när det kommer till AI, data är kritiska. Desto bättre, mer omfattande och rikare data, desto bättre prestanda har AI:n vid dess huvudsakliga uppgift—förutsägelse.

Precis som vår förmåga att förutsäga vädret beror på väderdata som samlas in över hela världen, och vår erfarenhet av att identifiera föremål kommer från en livslång erfarenhet lagrad i våra minnen, AI:er behöver data för att bygga upp sina förmågor.

Problemet är att data kan vara låsta i olika silos skapade av andra skäl än AI. Detta är för närvarande en aktuell fråga med hänsyn till Facebooks användardata. Några år sedan, Facebook var friare med sina data, vilket ledde till en mängd olika användningsområden – vissa kreativa och produktiva och andra osmakliga.

Som svar på den nuvarande krisen, Facebook har nu låst detta. Du kan känna dig tröstad av den integritet som ger, men samtidigt, det är bara ytterligare ett hinder för att data ska vara tillgänglig för forskare och kreatörer utanför Facebook.

I själva verket, om vi vill främja AI, vi måste uppmuntra snarare än avskräcka företag från att dela data. Och i vissa fall, dessa uppgifter – till exempel, hälsodata – åvilar myndigheterna.

Att göra data tillgänglig

Ju tidigare regeringar hittar ett sätt att göra denna data tillgänglig för forskning och kreativa tillämpningar på ett sätt som på ett lämpligt sätt skyddar kanadensarnas integritet, desto lättare blir labyrintnavigeringen för kanadensiska företag att utnyttja denna kraftfulla förutsägelseteknik för att förbättra sina produkter och tjänster, göra dem mer globalt konkurrenskraftiga.

Det franska tillvägagångssättet är att välja nyckelsektorer där de kommer att göra saker enklare för företag — något de kallar "sandlådor". De undersöker avlägsnandet av vissa regler för att uppmuntra utveckling inom hälsa (prediktiv diagnostik, personlig medicin), transport (autonoma fordon), försvar (förutsäga cyberattacker) och miljö (förutsäga problem i livsmedelsförsörjningskedjan).

Det finns, självklart, mer till den franska rapporten än att bara uppmuntra AI-utveckling. Oavsett om de eller andra utvecklar AI, rapporten återspeglar hur man kan skydda franska arbetare från störningar och säkerställa att AI inte leder till fördomar som människor skapar – särskilt när det gäller dimensioner av kön och ras.

Den kanadensiska regeringen skulle tjäna på att noggrant granska det franska förslaget, inklusive de spekulativa avsnitten som bara gäller när musen äntligen når fram till osten.

För tillfället, Jag uppmanar den kanadensiska regeringen att tänka på om den musen är kanadensisk eller inte.

Denna artikel publicerades ursprungligen på The Conversation. Läs originalartikeln.