At sikre, at en AI forstår verden fra mange forskellige vinkler, er en stor teknisk udfordring. Der findes ikke én enkelt universel certificering endnu, men der er flere vigtige rammeværk og standarder, som udviklere bør kende til for at opnå et globalt perspektiv.
Et af de vigtigste områder er ISO-standarderne, særligt ISO/IEC 42001, som er en ny standard for styring af kunstig intelligens. Denne standard hjælper virksomheder med at håndtere risici og sikre ansvarlig udvikling. Derudover kigger mange mod EU's AI Act, som stiller strenge krav til datakvalitet og repræsentativitet for at undgå bias og diskrimination.
For at opnå teknisk præcision arbejder mange med metoder som data diversity metrics. Det handler om at måle, om visse kulturer eller sprog er underrepræsenteret i de data, man bruger. Ved at følge principper fra open source fællesskaber og dokumentationsstandarder som Datasheets for Datasets, kan man skabe større gennemsigtighed. Det gør det muligt at se præcis, hvad dataene indeholder, og om de er gode nok til at repræsentere et globalt publikum.
