J:
Kādas ir dažas ētiskas problēmas mašīnmācībā?
A:Ētiskās problēmas, kas saistītas ar mašīnu mācīšanos, ir saistītas ne tikai ar pašiem mašīnu apguves algoritmiem, bet gan ar datu izmantošanas veidu.
Cambridge Analytica skandāls ar Facebook, kurā politisko konsultāciju firma izmantoja datus no sociālā tīkla vietnes bez lietotāju zināšanām vai piekrišanas, ilustrēja daudz problēmu, kas saistītas ar lietotāju datu vākšanu un izmantošanu. Lai gan daudzos tiešo lietotāju licences līgumos ir norādīts, kā var tikt izmantoti lietotāju dati, daudzi sociālo mediju lietotāji, iespējams, nelasa smalko druku.
| Bezmaksas lejupielāde: mašīnmācīšanās un kāpēc tas ir svarīgi |
Vēl viena problēma ir tā, ka šie mašīnmācīšanās algoritmi var būt “melnās kastes”, kur nav iespējams redzēt, kā tie patiesībā darbojas. Var būt neiespējami zināt, kāpēc mašīnmācīšanās algoritms pieņēma lēmumu.
Viena no mašīnmācīšanās jomām ir medicīnisku diagnožu noteikšana. Algoritms varētu aplūkot rentgenstarus, lai atrastu vēzi. Ārsts cilvēkam var izskaidrot, kāpēc viņi veica diagnozi, bet mēs varbūt nezinām, kā mašīnmācīšanās algoritms noteica, ka pacientam ir vēzis vai nē.
Viens no risinājumiem ir mašīnmācības programmu atbrīvošana saskaņā ar atvērtā koda licencēm. Kad cilvēki var apskatīt programmas avota kodu, viņi var redzēt, kā tā pieņem lēmumus.
Cita problēma ir mašīnmācības apmācības datu izmantošana un iespējamie aizspriedumi. Ir bijuši vairāki rasu un citu aizspriedumu gadījumi, kas to nejauši padarījuši mašīnmācības programmās. Viens algoritms identificēja melnādainos cilvēkus kā gorillas, bet cits mainīja krāsu cilvēku sejas vaibstus, lai viņi izskatās “eiropeiskāki”, vienlaikus apgalvojot, ka viņus izdaiļo.
Viens no veidiem, kā neitralizēt, ir, lai AI jomā būtu vairāk cilvēku ar dažādu pieredzi.
Vēl viena problēma ir mašīnmācīšanās un mākslīgā intelekta droša izmantošana. AI un mašīnmācīšanās programmas varētu attīstīt uzvedību, kuras cilvēki nevēlas, piemēram, apturēt cilvēkus no viņu izslēgšanas.
