Η συγκέντρωση δεδομένων, η πρόοδος στους αλγορίθμους και η τεράστια υπολογιστική ισχύ αναγνωρίζονται ως οι τρεις θεμέλιοι λίθοι της Τεχνητής Νοημοσύνης (ΤΝ). Η συνεργία τους επιτρέπει μόνο σήμερα την άλμα σε προηγμένες ικανότητες της ΤΝ. Αυτή τη στιγμή, το Ϩηλνικό σύμπαν εκρημνίζεται με δεδομένα. Κάθε δευτερόλεπτο, άτομα παράγουν περίπου 1,7 μεγαϐαϊτ, συνολικά πάνω από 140 γιγαϐαϊτ καθημερινά. Οι αναπτυσσόμενοι της ΤΝ χρησιμοποιούν αυτήν την πλημμύρα δεδομένων για να τροποποιήσουν όλο και περισσότερο πολύπλοκους αλγορίθμους, αξιάγκητες μεγάλα κέντρα δεδομένων με υψηλή κατανάλωση ενέργειας. Είναι σημαντικό να επισημάνουμε ότι η εκπαίδευση ενός μεγάλου γλωσσικού μοντέλου όπως το Chat GPT έχει ως αποτέλεσμα το ίχνος άνθρακα μίας μέσης διάρκειας ζωής ενός ατόμου από την Ισπανία.
Στην ΟΤΝ των δεδομένων, βρίσκεται στο επίκεντρο η καλλιέργεια αξιόπιστης ΤΝ. Η ποικιλομορφία στα σύνολα δεδομένων προάγει την αντικειμενικότητα και την ολοκληρωμένη μάθηση για τους αλγόριθμους. Η καριέρα μου 18 ετών στην ανάπτυξη της ΤΝ αναγνώρισης και ανάλυσης εικόνων διακόπηκε το 2018 από ένα πρωταρχικό γεγονός. Η Joy Buolamwini, μεταδιδακτορική φοιτήτρια, αντιμετώπισε ρατσιστική προκατάληψη μέσα στο λογισμικό ανάλυσης προσώπου, καθώς δεν αναγνώρισε το σκουρόχρωμο δέρμα της – μια έντονη αφύπνιση για τα κενά στην τεχνολογία μας και τον αντανακλασμό της έλλειψης πολυμορφίας στην ομάδα μας.
Διευθέτηση Σιωπηρών Προκαταλήψεων: Αφού εξέτασαμε τη βάση δεδομένων εκπαίδευσής μας, έγινε εμφανές ότι ένα τεράστιο 86% αντιπροσωπεύονταν από λευκά άτομα, με ελάχιστους πιθανούς αριθμούς για άλλες φυλές, ζητώντας έναν σημαντικό επανασχεδιασμό για να θεσπίσουμε ρατσιστική ισορροπία στα δεδομένα μας. Οι αλλαγές υπερέβησαν τη τεχνική βελτίωση, ανοίγοντας τα μάτια μας στην ανάγκη για συμπερίληψη στην τεχνολογία.
Το κοινό έχει πλέον πρόσβαση σε εργαλεία ΤΝ που είναι στο απρόσιτο της τέχνης, ικανά να δημιουργούν περιεχόμενο από το μηδέν. Για παράδειγμα, το Chat GPT μπορεί να δημιουργήσει αφηγήσεις ενώ το MidJourney μπορεί να δημιουργήσει εικόνες βάσει των οδηγιών του χρήστη – αναδεικνύοντας τους φυλετικούς και φύλεις προκαταλήψεις στο περιεχόμενο που δημιουργείται από την ΤΝ. Αυτό αντανακλά όχι μόνο την αλγοριθμική προγραμματισμό αλλά και τις ενσωματωμένες προκαταλήψεις στα δεδομένα εκπαίδευσης που προέρχονται από το διαδίκτυο – και κατά συνέπεια, τη δική μας.
Σε μια γρήγορα συνδεδεμένη κοινωνία, προκατειλημμένο περιεχόμενο μπορεί να γίνει ιογενές μέσα σε λίγα λεπτά. Είναι έτσι υποχρέωση των χρηστών του διαδικτύου να παράγουν ηθικά δεδομένα, απαλλαγμένα από ριζοσπαστικοποίηση, παραπληροφόρηση ή κοινωνικές προκαταλήψεις. Ταυτόχρονα, οι αναπτυσσόμενοι της ΤΝ πρέπει να δίνουν προτεραιότητα στην ποιότητα των δεδομένων, να χρησιμοποιούν τους πόρους με φρονιμία και να αντιμετωπίζουν ενεργά τις ενσωματωμένες προκαταλήψεις, ενώ οι ρυθμιστές καθιερώνουν κατευθυντήριες γραμμές για την υπεύθυνη διαχείριση των συστημάτων της ΤΝ. Είναι μια συλλογική ευθύνη να προάγουμε την ηθική ΤΝ που ενσωματώνεται ομαλά στο ύφος της κοινωνίας μας, βεβαιωνόμενοι ότι διαχειρίζεται με προνόηση και συμπερίληψη.
Σημαντικές Ερωτήσεις, Κύριες Προκλήσεις και Προβλήματα:
1. Ποιές είναι οι βασικές προκλήσεις που συνδέονται με τη συγκέντρωση δεδομένων στην ΤΝ;
Η συγκέντρωση δεδομένων στην ΤΝ παρουσιάζει προκλήσεις όπως η διασφάλιση της απορρήτου, η διατήρηση της ασφάλειας των δεδομένων και η απόκτηση υψηλής ποιότητας και αντιπροσωπευτικών συνόλων δεδομένων. Τα δεδομένα που συλλέγονται μπορεί να περιέχουν ευαίσθητες πληροφορίες, οι οποίες εάν διαρρεύσουν, μπορεί να οδηγήσουν σε παραβιάσεις απορρήτου. Επιπλέον, τα σύνολα δεδομένων αντικατοπτρίζουν συχνά κοινωνικές προκαταλήψεις, οι οποίες, αν δεν ελεγχθούν, μπορούν να προωθήσουν τις διακρίσεις στις εφαρμογές της ΤΝ.
2. Πώς επηρεάζει η αύξηση της υπολογιστικής ισχύος την ανάπτυξη της ΤΝ;
Η ανάπτυξη στην υπολογιστική ισχύ επιτρέπει την επεξεργασία μεγάλων συνόλων δεδομένων και την εκπαίδευση πιο πολύπλοκων μοντέλων, οδηγώντας σε προηγμένες ικανότητες της ΤΝ. Ωστόσο, αυτή η αύξηση της ισχύος απαιτεί σημαντική ενέργεια και έχει σημαντικές περιβαλλοντικές επιπτώσεις λόγω της υπολογιστικής αποτύπωσης των κέντρων δεδομένων.
3. Ποιες είναι οι κύριες αντιφάσεις που περιβάλλουν την ανάπτυξη αλγορίθμων;
Οι αναπτύξεις στους αλγόριθμους έχουν προκαλέσει διαφωνίες σχετικά με τη διαφάνεια και την εξήγηση των συστημάτων ΤΝ. Η “μαύρη οθόνη” φύση ορισμένων μοντέλων ΤΝ, ιδιαίτερα του βαθιού μάθησης, δυσκολεύει την κατανόηση της διαδικασίας λήψης αποφάσεων τους. Συνεπώς, αυτό το θέτει ζητήματα υπευθυνότητας και εμπιστοσύνης στα συστή
The source of the article is from the blog elektrischnederland.nl