Έχετε σχεδόν ολοκληρώσει αυτό το μάθημα και ελπίζω ότι μέχρι τώρα βλέπετε ξεκάθαρα πως η Τεχνητή Νοημοσύνη (AI) βασίζεται σε έναν αριθμό από επίσημες μαθηματικές μεθόδους που μας επιτρέπουν να βρίσκουμε σχέσεις στα δεδομένα και να εκπαιδεύουμε μοντέλα ώστε να αναπαράγουν ορισμένες πτυχές της ανθρώπινης συμπεριφοράς. Σε αυτό το σημείο της ιστορίας, θεωρούμε την AI ως ένα πολύ ισχυρό εργαλείο για την εξαγωγή προτύπων από δεδομένα και την εφαρμογή αυτών των προτύπων για την επίλυση νέων προβλημάτων.
Ωστόσο, στην επιστημονική φαντασία συχνά βλέπουμε ιστορίες όπου η AI παρουσιάζει κίνδυνο για την ανθρωπότητα. Συνήθως αυτές οι ιστορίες επικεντρώνονται σε κάποιο είδος εξέγερσης της AI, όταν η AI αποφασίζει να αντιπαρατεθεί με τους ανθρώπους. Αυτό υπονοεί ότι η AI έχει κάποιο είδος συναισθήματος ή μπορεί να πάρει αποφάσεις που δεν είχαν προβλεφθεί από τους δημιουργούς της.
Το είδος της AI που μάθαμε σε αυτό το μάθημα δεν είναι τίποτα περισσότερο από μεγάλες πράξεις αριθμητικής με πίνακες. Είναι ένα πολύ ισχυρό εργαλείο για να μας βοηθήσει να λύσουμε τα προβλήματά μας, και όπως κάθε άλλο ισχυρό εργαλείο - μπορεί να χρησιμοποιηθεί για καλούς ή κακούς σκοπούς. Σημαντικό είναι ότι μπορεί να γίνει κακή χρήση.
Για να αποφύγουμε αυτή την τυχαία ή σκόπιμη κακή χρήση της AI, η Microsoft δηλώνει τις σημαντικές Αρχές Υπεύθυνης Τεχνητής Νοημοσύνης. Οι παρακάτω έννοιες υποστηρίζουν αυτές τις αρχές:
- Δικαιοσύνη σχετίζεται με το σημαντικό πρόβλημα των προκαταλήψεων του μοντέλου, που μπορεί να προκληθούν από τη χρήση προκατειλημμένων δεδομένων για εκπαίδευση. Για παράδειγμα, όταν προσπαθούμε να προβλέψουμε την πιθανότητα να αποκτήσει κάποιος δουλειά ως προγραμματιστής λογισμικού, το μοντέλο είναι πιθανό να προτιμήσει περισσότερο τους άνδρες - απλώς επειδή το σύνολο δεδομένων εκπαίδευσης ήταν πιθανότατα προκατειλημμένο προς ένα ανδρικό κοινό. Πρέπει να εξισορροπούμε προσεκτικά τα δεδομένα εκπαίδευσης και να διερευνούμε το μοντέλο για να αποφύγουμε προκαταλήψεις, διασφαλίζοντας ότι το μοντέλο λαμβάνει υπόψη πιο σχετικές παραμέτρους.
- Αξιοπιστία και Ασφάλεια. Από τη φύση τους, τα μοντέλα AI μπορούν να κάνουν λάθη. Ένα νευρωνικό δίκτυο επιστρέφει πιθανότητες, και πρέπει να το λαμβάνουμε υπόψη όταν παίρνουμε αποφάσεις. Κάθε μοντέλο έχει κάποια ακρίβεια και ανάκληση, και πρέπει να το κατανοούμε για να αποτρέψουμε τη ζημιά που μπορεί να προκαλέσει μια λανθασμένη συμβουλή.
- Ιδιωτικότητα και Ασφάλεια έχουν κάποιες συγκεκριμένες επιπτώσεις στην AI. Για παράδειγμα, όταν χρησιμοποιούμε δεδομένα για την εκπαίδευση ενός μοντέλου, αυτά τα δεδομένα γίνονται κατά κάποιο τρόπο "ενσωματωμένα" στο μοντέλο. Από τη μία πλευρά, αυτό αυξάνει την ασφάλεια και την ιδιωτικότητα, από την άλλη - πρέπει να θυμόμαστε ποια δεδομένα χρησιμοποιήθηκαν για την εκπαίδευση του μοντέλου.
- Συμπερίληψη σημαίνει ότι δεν δημιουργούμε την AI για να αντικαταστήσουμε τους ανθρώπους, αλλά για να τους ενισχύσουμε και να κάνουμε τη δουλειά μας πιο δημιουργική. Σχετίζεται επίσης με τη δικαιοσύνη, γιατί όταν ασχολούμαστε με υποεκπροσωπούμενες κοινότητες, τα περισσότερα σύνολα δεδομένων που συλλέγουμε είναι πιθανό να είναι προκατειλημμένα, και πρέπει να διασφαλίσουμε ότι αυτές οι κοινότητες περιλαμβάνονται και αντιμετωπίζονται σωστά από την AI.
- Διαφάνεια. Αυτό περιλαμβάνει τη διασφάλιση ότι είμαστε πάντα ξεκάθαροι σχετικά με τη χρήση της AI. Επίσης, όπου είναι δυνατόν, θέλουμε να χρησιμοποιούμε συστήματα AI που είναι ερμηνεύσιμα.
- Λογοδοσία. Όταν τα μοντέλα AI καταλήγουν σε κάποιες αποφάσεις, δεν είναι πάντα σαφές ποιος είναι υπεύθυνος για αυτές τις αποφάσεις. Πρέπει να διασφαλίσουμε ότι κατανοούμε πού βρίσκεται η ευθύνη για τις αποφάσεις της AI. Στις περισσότερες περιπτώσεις, θα θέλαμε να συμπεριλάβουμε ανθρώπους στη διαδικασία λήψης σημαντικών αποφάσεων, ώστε να είναι υπεύθυνοι πραγματικοί άνθρωποι.
Η Microsoft έχει αναπτύξει το Responsible AI Toolbox, το οποίο περιλαμβάνει ένα σύνολο εργαλείων:
-
Πίνακας Ερμηνευσιμότητας (InterpretML)
-
Πίνακας Δικαιοσύνης (FairLearn)
-
Πίνακας Ανάλυσης Σφαλμάτων
-
Πίνακας Υπεύθυνης AI που περιλαμβάνει:
- EconML - εργαλείο για Ανάλυση Αιτιότητας, που εστιάζει σε ερωτήσεις "τι θα γινόταν αν"
- DiCE - εργαλείο για Ανάλυση Αντιπαραδειγμάτων, που σας επιτρέπει να δείτε ποια χαρακτηριστικά πρέπει να αλλάξουν για να επηρεαστεί η απόφαση του μοντέλου
Για περισσότερες πληροφορίες σχετικά με την Ηθική της AI, επισκεφθείτε αυτό το μάθημα στο Πρόγραμμα Σπουδών Μηχανικής Μάθησης, το οποίο περιλαμβάνει ασκήσεις.
Ακολουθήστε αυτό το Μονοπάτι Μάθησης για να μάθετε περισσότερα σχετικά με την υπεύθυνη AI.
Αποποίηση ευθύνης:
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης AI Co-op Translator. Παρόλο που καταβάλλουμε προσπάθειες για ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτόματες μεταφράσεις ενδέχεται να περιέχουν σφάλματα ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα θα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή εσφαλμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.