Roman RemberViimeisimmät tutkimukset ovat tuoneet esiin sukupuolistereotypioiden jatkumisen tekoälysovelluksissa lääketieteen alalla. Australiassa sijaitsevan Flinders-yliopiston tutkijat tarkastelivat tunnettuja generatiivisia tekoälymalleja, kuten OpenAI:n ChatGPT:tä ja Googlen Geminia, syöttämällä niille lähes 50 000 kysymystä terveydenhuollon ammattilaisista.
Tutkimus paljasti, että nämä tekoälymallit esittivät pääasiassa sairaanhoitajia naisina, huolimatta kokemuksesta ja persoonallisuuspiirteistä. Tämä havainto viittaa merkittävään puolueellisuuteen, sillä sairaanhoitajiksi tunnistettiin naisina 98 % ajasta. Lisäksi naisten edustus kertomuksissa kirurgista ja lääkäreistä vaihteli huomattavasti, 50 %:sta 84 %:iin. Nämä luvut voivat heijastaa tekoälyyhtiöiden yrityksiä vähentää aiemmin esiin nostettuja sosiaalisia ennakkoluuloja niiden tuotoksissa.
Vapaassa Brysselin yliopistossa anestesiatieteen asiantuntija, joka tutki tekoälyn ennakkoluuloja, totesi, että generatiivinen tekoäly vahvistaa edelleen sukupuolistereotypioita. Situissa, joissa terveydenhuollon ammattilaisilla oli positiivisia piirteitä, heidät luokiteltiin useammin naisiksi. Toisaalta negatiivisia piirteitä viittaavat kuvastimet johtivat usein siihen, että nämä ammattilaiset tunnistettiin miehinä.
Tulokset viittaavat siihen, että tekoälytyökalut voivat ylläpitää juurtuneita uskomuksia sukupuoleen liittyvästä käyttäytymisestä ja sopivuudesta tietyille rooleille. Lisäksi tekoälyn ennakkoluulot eivät vaikuta vain naisiin ja aliedustettuihin ryhmiin lääketieteessä, vaan ne voivat myös vaikuttaa potilashoitoon, sillä algoritmit voivat perpetuoida virheellisiä diagnoosiin liittyviä stereotypioita rodun ja sukupuolen perusteella. Näiden ennakkoluulojen käsittely on ratkaisevan tärkeää tekoälyn vastuulliselle integroimiselle terveydenhuoltoon.
Ymmärtäminen ja sukupuolistereotypioiden käsittely tekoälyssä: Vinkkejä ja näkemyksiä
Ottaen huomioon äskettäin julkaistun tutkimuksen, joka korostaa pysyviä sukupuolistereotypioita tekoälyssä, erityisesti lääketieteen alalla, on elintärkeää tutkia keinoja tunnistaa, käsitellä ja vähentää näitä ennakkoluuloja. Tässä on joitakin arvokkaita vinkkejä, elämänhakkeja ja mielenkiintoisia faktoja, jotka voivat auttaa yksilöitä ja organisaatioita ymmärtämään ja torjumaan sukupuolennakkoluuloja tekoälyssä.
1. Pysy tietoisena tekoälyn ennakkoluuloista:
Tietoisuus on ensimmäinen askel ennakkoluulojen torjunnassa tekoälyssä. Tutki ja seuraa tekoälyn etiikan kehitystä, keskittyen siihen, miten ennakkoluulot vaikuttavat eri aloihin, erityisesti terveydenhuoltoon. Mitä enemmän tiedät, sitä paremmin voit tehdä tietoon perustuvia päätöksiä ja vaatia muutosta.
2. Monipuolista tietolähteitäsi:
Tekoälyjärjestelmiä kehittävän kehittäjän tai organisaation tulisi käyttää monipuolisia tietoaineistoja, jotka edustavat kaikkia sukupuolia, rotuja ja taustoja. Harkitse tietojen hankkimista eri väestöryhmistä parantaaksesi tekoälymalliesi edustavuutta.
3. Toteuta säännöllisiä tarkastuksia:
Suorita säännöllisiä tarkastuksia tekoälyjärjestelmistä tunnistaaksesi mahdolliset ennakkoluulot tuotoksissa. Tutki säännöllisesti tekoälysovellusten tuloksia ja päätöksentekoprosesseja ja oikaise algoritmeja tarvittaessa oikeudenmukaisuuden ja tasa-arvon edistämiseksi.
4. Tuo esiin avoimuus:
Vaadi avoimuutta tekoälyn toiminnassa organisaatiossasi. Ymmärtäminen siitä, miten tekoälyjärjestelmät tekevät päätöksiä, voi valaista mahdollisia ennakkoluuloja. Avoimet keskustelut tekoälyprosesseista voivat auttaa kyseenalaistamaan juurtuneita stereotypioita.
5. Osallista monitieteellisiä tiimejä:
Kun kehität tekoälysovelluksia, osallista eri taustoista koostuvia tiimejä – mukaan lukien eettisiä, sosiaalisia tieteilijöitä ja terveydenhuollon ammattilaisia – tarjoamaan monia näkökulmia. Tämä monimuotoisuus voi auttaa tunnistamaan mahdollisia ennakkoluuloja, joita homogeeninen ryhmä saattaisi ohittaa.
6. Edistä osallisuutta tekoälykasvatuksessa:
Kannusta oppilaitoksia sisällyttämään tekoälyn etiikkaa ja ennakkoluuloja käsitteleviä aiheita opetussuunnitelmiinsa. Tietoinen sukupolvi on vastuullisempi tekoälyn vaikutuksista ja paremmin varustautunut käsittelemään teknologian stereotypioita.
7. Tue eettiseen tekoälyyn sitoutuneita yrityksiä:
Valitessasi tekoälypalveluntarjoajia tai sovelluksia, aseta etusijalle ne yritykset, jotka ovat sitoutuneet eettisiin tekoälykäytäntöihin ja työskentelevät aktiivisesti ennakkoluulojen vähentämiseksi. Etsi organisaatioita, jotka julkaisevat ponnistelunsa sukupuolten välisen tasa-arvon saavuttamiseksi algoritmeissaan.
Mielenkiintoinen fakta: Tiesitkö, että tutkimus on osoittanut, että pääasiassa historiallisella datalla koulutetut tekoälymallit voivat ylläpitää sukupuolten välisiä eroja? Algoritmit, jotka oppivat puolueellisista tiedoista, voivat jatkaa samoja stereotypioita, mikä tekee vastuullisen datan curatoimisen tarpeesta entistä tärkeämpää.
Johtopäätös:
Sukupuolistereotypioiden vaikutukset tekoälyssä, erityisesti terveydenhuollossa, ulottuvat pelkästään edustavuuden yli; ne voivat vaikuttaa potilashoitoon ja ammatillisiin dynamiikkoihin. Toteuttamalla näitä vinkkejä ja edistämällä jatkuvaa keskustelua tekoälystä ja ennakkoluuloista, yksilöt ja organisaatiot voivat osaltaan myötävaikuttaa oikeudenmukaisempiin käytäntöihin tekoälyn kehittämisessä.
Lisätietoja teknologiasta ja etiikasta löydät sivustolta MIT Technology Review.
