П:
Која су нека етичка питања која се тичу машинског учења?
О:Етичка питања око машинског учења укључују не толико алгоритме машинског учења, већ начин на који се подаци користе.
Скандал Цамбридге Аналитица са Фацебоок-ом, у којем је политичка консултантска фирма користила податке с друштвеног умрежавања без знања или пристанка корисника, илустрирао је пуно проблема повезаних са прикупљањем и употребом корисничких података. Иако многи уговори о лиценци за крајњег корисника одређују како се могу користити подаци корисника, многи корисници друштвених медија можда неће прочитати ситне отиске.
Бесплатно преузимање: Машинско учење и зашто је то важно |
Други проблем је што ови алгоритми машинског учења могу бити „црне кутије“, где је немогуће видети како они заиста раде. Можда је немогуће знати зашто је алгоритам машинског учења донио одлуку.
Једна област машинског учења је постављање медицинских дијагноза. Алгоритам би могао да погледа рентгенске зраке да би пронашао рак. Људски лекар може објаснити зашто су поставили дијагнозу, али можда не знамо како алгоритам машинског учења одређује да ли је пацијент оболео од рака или не.
Издавање програма машинског учења под лиценцама отвореног кода је једно решење. Кад људи могу да погледају изворни код програма, могу да виде како доноси одлуке.
Друго питање је употреба података о тренингу машинског учења и могуће пристраности. Било је неколико случајева расне и друге пристраности због којих се ненамерно претварају у програме машинског учења. Један алгоритам идентификовао је црнце као гориле, а други је изменио црте лица људи у боји како би изгледали више "европско", тврдећи да их улепшавају.
Један од начина да се томе супростави је да се у АИ пољу окупи више људи различитог порекла.
Други проблем је сигурна употреба машинског учења и вештачке интелигенције. АИ и програми машинског учења могу развити понашање које људи не би желели, попут спречавања да их људи искључе.