Hoe Kunstmatige Intelligentie Jammerlijk Faalt Bij Stereotypering

Inleiding

Kunstmatige intelligentie (KI) wordt gebruikt in een verscheidenheid aan toepassingen, van het zoeken naar meer efficiënte manieren om bedrijfsprocessen uit te voeren tot het helpen om computerprogramma’s te ontwikkelen. Maar sommige experts hebben nieuwe bezorgdheid geuit over hoe dit technologische wonder zou kunnen worden misbruikt.

De bezorgdheid betreft vooral de stereotypering die door kunstmatige intelligentie wordt geleverd. Stereotypering is niet alleen verkeerd, maar kan ook schadelijk zijn voor mensen die anders denken dan de meerderheid van de mensen. Daarom is het belangrijk dat bedrijven er rekening mee houden. In dit artikel staan ​​we stil bij wat er mis kan gaan als bedrijven besluiten kunstmatige intelligentie te gebruiken bij het stereotyperen.

Stereotypering Definitie

Stereotypering is als je een vooroordeel hebt tegen een bepaalde groep. Vaak deze vooroordelen worden gebaseerd op een individu’s denken over de beperkte kenmerken van een culturele groep, etniciteit of religie. Voorbeelden van stereotypering kunnen zijn als je een bepaalde groep als dom of lui bestempelt. Of als je een groep als goddeloos of hedonistisch beschouwt.

Hoe KI Kan Stereotypering Versterken

Kunstmatige intelligentie kan het probleem met sterotypering alleen maar versterken. Het is niet alleen dat de resultaten van de algoritmes onjuiste conclusies kunnen trekken, maar ook dat zij ongelijke behandeling kunnen opleveren , vooral als er onvoldoende data zijn om de algoritmes te trainen.

Een van de meest voorkomende vormen van steroetypering door kunstmatige intelligentie, is als bedrijven hun algoritmes laten leren wat de ‘normale’ gedragingen zijn van personen gebaseerd op hun geslacht, leeftijd, geografische locatie of andere demografische kenmerken.

Algoritmes die zijn ingesteld op het zoeken naar stereotypen, zoals bijvoorbeeld een algoritme dat het leeftijdstereotype beveligsteller waarneemt dat ouderen minder waarschijnlijk zijn om bij banken of andere financiële instellingen in te schrijven, zal deze stereotypering mogelijk aan de buitenwereld tonen. Dit kan vervolgens mensen die buiten de norm vallen, i.e. die geen overeenkomstige stereotypering bezitten, oneerlijk behandelen.

Hoe te voorkomen dat KI Stereotypering versterkt

Om ervoor te zorgen dat kunstmatige intelligentie niet leidt tot meer stereotypering, is het belangrijk dat bedrijven zich meer bewust zijn van hun algoritmes. Ze moeten de algoritmes trekken leren op basis van data die objectief zijn, in plaats van te overtuigingen over de groepen die ze bestuderen.

Daarnaast moeten bedrijven ook rekening houden met hoe ze hun algoritmes gebruiken. Als het algoritme bijvoorbeeld alleen maar gericht is op leeftijd, dan moet het bedrijf ervoor zorgen dat het algoritme gecontroleerd wordt op het niveau van andere factoren, zoals levenservaring of opleidingsniveau.

Waarom KI kan Bijdragen tot Stereotypering

Een van de belangrijkste problemen met kunstmatige intelligentie is dat het resultaat van een algoritme slechts zo goed is als de training die het ontvangt. Als de data waarop het algoritme wordt getraind, worden gefilterd voor andere aspecten, zoals geslacht, inkomen of etniciteit, dan kunnen de resultaten van het algoritme leiden tot stereotypering van de groepen die de machine leert.

Goede Praktijken in KI

Goede praktijken voor kunstmatige intelligentie omvatten het gebruik van geautomatiseerde methoden om ervoor te zorgen dat het algoritme niet leidt tot ongewenste stereotypering. Om te voorkomen dat het algoritme leidt tot stereotypering, is het belangrijk dat bedrijven voldoende data verzamelen over een brede demografische achtergrond.

Bedrijven moeten ook de resultaten van het algoritme controleren om er zeker van te zijn dat het de gewenste kwaliteit en juistheid heeft. Daarnaast moeten bedrijven ook externe audits aanvragen om ervoor te zorgen dat hun algoritmes geen steroetypering genereren.

Mogelijkheid voor KI-mensen om te Breken met Stereoetyping

Er is ook hoop dat AI-mensen kunnen helpen om stereotypering te verminderen. AI-mensen, gekoppeld aan computertechnologie, kunnen mensen helpen uiting te geven aan hun ware kenmerken en verschillen en dit komt er voor zorgen dat mensen elkaar beter gaan begrijpen.

Conclusie

Kunstmatige intelligentie kan leiden tot stereotypering, maar als bedrijven de regels en technieken van goede praktijken volgen, kunnen ze ervoor zorgen dat hun algoritmes niet leiden tot ongewenste stereotypering. AI-mensen kunnen ook helpen om stereotypering te verminderen door mensen te helpen expressie te geven aan hun echte kenmerken en behoeften. Als bedrijven werken met kunstmatige intelligentie, moeten ze hier rekening mee houden.