W krzywym zwierciadle algorytmu
Skrzywienie algorytmiczne to znany problem w uczeniu maszynowym. Aby mu przeciwdziałać, stosuje się różne metody usuwania uprzedzeń z modeli sztucznej inteligencji. Czy jednak zawsze warto to robić?
Skrzywienie algorytmiczne to znany problem w uczeniu maszynowym. Aby mu przeciwdziałać, stosuje się różne metody usuwania uprzedzeń z modeli sztucznej inteligencji. Czy jednak zawsze warto to robić?
Co robić z algorytmami, których w naszym życiu jest coraz więcej? Nowa Zelandia nie miała wątpliwości – uregulować te wykorzystywane przez instytucje publiczne.
Nastał moment zmiany. Medycynę można spersonalizować, koszty leczenia obniżyć… Rozwiązania technologiczne mogą usprawnić i wspomóc pracę lekarzy – mówi Marcin Sieniek z Google Health.
Jak to się stało, że czołowa uczelnia techniczna przez lata udostępniała zbiór danych, zawierający rasistowskie i wulgarne kategorie?
Wiele pisaliśmy już o stronniczości algorytmów. Tym razem pod lupę wzięła je federalna instytucja. Zbadała ich niemal 200. Wnioski? Wszystkie są kiepskie.
Kiedy tylko zrealizuję mój plan, natychmiast zajmę się połączeniem swojego mózgu z zewnętrznymi interfejsami. Najbardziej interesuje mnie, co by się stało, gdybym połączył się z inną osobą. Z jej mózgiem – mówi dr Andrzej Banburski z MIT.
Czy maszyny, a raczej algorytmy uczenia maszynowego, które nimi kierują, mogą być moralne? Można je nauczyć, co jest złe, a co dobre, jeśli będą czytać – wykazali badacze z Niemiec.
Gdy do decyzji w naszej sprawie wykorzystano algorytm, mamy prawo o tym wiedzieć. Nie możemy się po prostu poddać i powiedzieć: to jest sztuczna inteligencja i tylko ona wie, co robi. Rozmowa z Agatą Foryciarz, informatyczką z Uniwersytetu Stanforda.
Być może stworzymy kulturę, w której każdy uczy się dla samej nauki albo po to, by mieć bogatsze życie wewnętrzne. Ale to nie jest najbardziej prawdopodobny scenariusz. Ryzyko uwiądu jest realne. Rozmowa z prof. Stuartem Russellem z Uniwersytetu Kalifornijskiego w Berkeley.