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?
Ministerstwo Spraw Wewnętrznych Wielkiej Brytanii przestało korzystać z algorytmu komputerowego, który w dużej mierze był podstawą do przyznawania wiz imigrantom. Okazał się dyskryminujący.
Dyskryminacja przez algorytmy to fakt powszechnie znany, choć niełatwy do zidentyfikowania w praktyce. Równouprawnienie trudno też zaprogramować. Nie jesteśmy jednak bez szans wobec niesprawiedliwości maszyn.
Algorytmy nie raz pokazały, że mogą być rasistowskie, homofobiczne, dyskryminować kobiety, starszych, wytatuowanych, biednych. Niekiedy nawet okazywały się bardziej stronnicze niż człowiek. Dr Deepak Padmanabhan z Queen’s University w Belfaście chce stawić temu czoła. Wymyślił sprawiedliwy algorytm.
Kiedy rodzice zaczną podejrzewać u swojego dziecka jakąś chorobę neurologiczną, będą mogli po prostu je sfilmować, a algorytm postawi diagnozę. Rozmowa z Łukaszem Kidzińskim z Uniwersytetu Stanforda