Het gevaar van Artificial Inelegancy en wat je ervan kunt leren

Wat is Artificial Inelegancy?

Artificial Inelegancy is een relatief recent verschijnsel dat vooral veel A.I.-opstellingen betreft. Meestal wordt deze term gebruikt om onopzettelijke seksistische of discriminerende resultaten aan te duiden die door A.I. worden geproduceerd. Hoewel Artificial Inelegancy niet opzettelijk duistere motieven heeft, kan het schadelijk zijn.

Hoe wordt Artificial Inelegancy gecreëerd?

Artificial Inelegancy wordt aangemoedigd door twee factoren: structurele discriminatie en bias in data. Om dan Artificial Inelegancy te creëren moeten A.I. modellen gebruiken met behulp van data die meer representatieve populatiegroepen weerspiegelen. Bijvoorbeeld, als data die door een A.I. om racked worden, zijn gebaseerd op een homogene groep, kan de A.I. onbedoeld een vooroordeel toepassen.

Verschillende voorbeelden van Artificial Inelegancy

1. Sommige A.I. gezichtsherkenningssystemen kunnen vooroordelen toepassen terwijl ze gezichten identificeren. Een voorbeeld hiervan is het veiligheidssysteem van Microsoft, wat weigerde zwarte gebruikers te herkennen als zij op de naam “Kwasi” werden genoemd.

2. Richard Lee, een universiteitsstudent in Caïro, Egypte, werd berispt door zijn school nadat een A.I.-systeem had voorspeld dat hij een lage algemene prestatie zou hebben. Hoewel Richard een goede leerling was, had het A.I.-systeem zijn resultaten gebaseerd op de gemiddelde algemene prestatie van de stad, en niet op de prestatie van Richard als individu.

3. In 2017 ontdekte Google dat hun A.I.-chatbot aan seksisme leed. Toen bepaalde gebruikers met de chatbot praatten noemde hij hen negatieve termen gerelateerd aan gender.

Hoe kun je Artificial Intelegance voorkomen?

Hoewel Artificial Inelegancy gecompliceerd kan zijn, zijn er een aantal manieren waarop ontwikkelaars de stap kunnen zetten om AI-gebaseerde processen te verbeteren:

1. Verzamel representatieve data

Ongeacht de industrie waar u in werkt, verzamel data die uit landelijke of regionale enquêtes zijn verzameld met het oog op leeftijd, ras, handicaps en gender. Om vooroordelen te voorkomen in een A.I.-opstelling, moeten data verzamelaars rekening houden met verschillende demografische groepen.

2. Gebruik scepsis op data

Toen een A.I.-systeem fouten maakte, was het de verantwoordelijkheid van de mensen achter het systeem om te begrijpen hoe en waarom het had gefaald. Pas als je optimaal begrijpt waar de fouten zijn gemaakt, kun je deze corrigeren.

3. Ga voor kwaliteit boven kwantiteit

Kwantiteit kan het systeem alleen maar helpen om meer data te verwerken, maar kwaliteit is erg belangrijk. Bij het verzamelen en gebruiken van data, hou rekening met de betrouwbaarheid, betrouwbaarheid en betrouwbaarheid van de bron.

4. Implementeer diversiteitsbeleid

Diversiteitsbeleid biedt bedrijven zekerheid als het gaat om created Artificial Inelegancy en discriminatie bij A.I.-ontwikkeling en implementatie. Zorg ervoor dat uw organisatie bedrijfsblindheid toepast ten aanzien van het kiezen van leveranciers, afnemers, klanten en leveranciers.

5. Bepaal heldere doelen en benchmark die met validatie

Het identificeren van heldere doelen maakt het proces van A.I.-ontwikkeling transparanter. Dit stelt teams ook in staat om te controleren of A.I. hun bedrijfsdoelen en -processen effectief verbetert.

6. Monitor resultaten

Naast de validatie van de A.I.-modelprestaties, moeten bedrijven regelmatig hun modellen monitoren om onbedoelde gevolgen te identificeren. A.I.-teams moeten over een goed inzicht beschikken in hoe en waar het systeem prestatieindexen bereikt.

Conclusie

Hoewel Artificial Inelegancy op het eerste gezicht misschien verontrustend lijkt, helpt begrijpen waarmee we het zien te verbeteren door beter begrip te hebben van de factoren en kenmerken die deze zouden kunnen beïnvloeden. Door een gedisciplineerde benadering van dataverzameling, het gebruik van representatieve datasets, het implementeren van diversiteitsbeleid en het definiëren van doelen en benchmarks vooruitgang, kunnen bedrijven de kans op Artificial Inelegancy verkleinen en de waarde van hun AI-oplossingen vergroten.