Az emberi elfogultság az AI gépben
A mesterséges intelligencia (AI) pozitív előrelépéseket és nem kívánt negatív következményeket eredményezhet. Kulcsfontosságú terület, amely további kutatásokat indokol, az emberi kognitív elfogultságnak az AI-re gyakorolt hatása. Harvard és MIT professzor, George Church, a Singularity Egyetem, Neil Jacobstein, az MIT fizikusa, Max Tegmark, a viselkedésgazdaságtan és az adatkutató Colin W.P. Lewis, Ph.D., az oxfordi filozófia professzora, Nick Bostrom, a SpaceX és a Tesla Motors alapítója, Elon Musk, az Apple társalapítója, Steve Wozniak és a cambridge-i fizikus, Stephen Hawking azon több mint 8000 ember között vannak, akik nyílt levelet írtak alá a mesterséges intelligenciáról. kutatást keres arra vonatkozóan, hogyan lehetne kihasználni az AI előnyeit a buktatók elkerülése mellett [1].
"A hatékony mesterséges intelligencia létrehozásának sikere civilizációnk történelmének legnagyobb eseménye lehet. Vagy a legrosszabb." Stephen Hawking, fizikus
Az emberi agyhoz hasonlóan a mesterséges intelligencia is kognitív elfogultságnak van kitéve. Az emberi kognitív torzítások a heurisztika, a mentális parancsikonok, amelyek torzítják a döntéshozatalt és az érvelést, okozási hibákat eredményeznek. A kognitív torzítások példái közé tartozik a sztereotipizálás, a bandwagon-effektus, a megerősítési torzítás, az alapozás, a szelektív észlelés, a játékos tévedése és a megfigyelési szelekciós torzítás. A kognitív torzítások teljes száma folyamatosan változik, az új torzítások folyamatos azonosítása miatt.
Az emberi kognitív torzítás adatok, algoritmusok és interakciók révén befolyásolja az AI-t. A gépi tanulás, az AI egyik alkészlete, a számítógépek képessége arra, hogy kifejezetten programozás nélkül tanuljanak. Az AI tanulását az adatok, az algoritmusok és az interakciók és az iterációk révén szerzett tapasztalatok alakítják. Az adatok hatása a gépi tanulás méretére, felépítésére, gyűjtési módszertanára és forrásaira. A gépi tanulás a tanulási adatkészletek minőségétől függ. Csakúgy, mint az embereknél, az AI-ben is annál kevésbé objektív az adat és minél nagyobb az adatkészlet, annál kevesebb a torzítás lehetősége [2].
A kognitív torzítások közös mögöttes tényezője a hajlam. Az AI magasságát az ideghálózat paramétereinek és csomópontjainak súlyának hozzárendelése befolyásolja, az emberi agyra mintázott számítógépes rendszer. A súly véletlenül torzíthatja a gépi tanulási algoritmust a kezdettől fogva az adatbevitelen, a felügyelt edzésen és a kézi beállításokon keresztül történő beavatkozáson keresztül. A mutatók hiánya vagy beillesztése, valamint az emberi számítógépes programozó eredendő kognitív torzításai a gépi tanulás torzítását okozhatják [3].
A mesterséges intelligencia forradalma (AIR) jó úton halad [4]. A mesterséges intelligencia jelenleg az emberek segítésére szolgáló eszköz, és pontmegoldásként alkalmazzák sokféle funkcióban, például személyes digitális asszisztensek, e-mailek szűrése, keresés, csalásmegelőzés, mérnöki, marketing modellek, digitális terjesztés, hangfelismerés, arcfelismerés , tartalom besorolása, természetes nyelv, videó készítés, hírkészítés, játék és játék elemzés, ügyfélszolgálat, pénzügyi beszámolás, marketing optimalizálás, energiaköltség-kezelés, árképzés, készlet, vállalati alkalmazások és további funkciók [5]. A 21. század egyik legnagyobb gondolkodója figyelmeztetett az AI ellenőrizetlen veszélyeire. Az AI növekvő terjedése szükségessé teszi az emberi kognitív torzítás minimalizálását a gépben. Az emberiség jövője nagyon függhet tőle.
Copyright © 2018 Cami Rosso Minden jog fenntartva.
2. Rosso, Cami. "A gépi tanulás talánya és a kognitív torzítások." Közepes. 2015. július 14.
3. Uo.
4. Rosso, Cami. "Miért a mesterséges intelligencia a következő forradalom - az AI a mindennapi életünk szinte minden szempontját megváltoztatja." Közepes. 2016. március 16.
5. Rosso, Cami. "Miért trendelőzik most az AI?" Közepes. 2017. február 21.