Kunstig intelligens (AI) har taget en central plads i vores daglige liv, fra stemmeassistenter som Alexa og Siri til navigationsværktøjer som Google Maps. En ny bog med titlen “Kodedepender” af Madhumita Murgia belyser dog de skjulte konsekvenser af AI-udvikling. Mens AI-teknologi tilbyder bekvemmelighed og effektivitet, udgør den også betydelige udfordringer for menneskelig arbejdskraft.
Murgias bog dykker ned i menneskers afgørende rolle i at opbygge og forme AI-systemer. Disse individer, der ofte overses, udgør grundlaget, som AI står på. Uden deres input ville den nuværende tilstand af AI-teknologi ikke være mulig. Fra at generere kategoriserede data til at træne algoritmer spiller menneskelig arbejdskraft en afgørende rolle for at sikre effektiviteten og nøjagtigheden af AI-systemer.
En af de mest betydningsfulde kræfter bag udviklingen af AI er Big Data. Evnen til at behandle og analysere store datasæt er afgørende for at udvikle kraftfulde AI-systemer. Dog er data alene meningsløse, medmindre de er organiserede og mærkede korrekt. Dataannotation, processen med at kategorisere og mærke indhold, muliggør, at AI-systemer kan forstå dataen og udføre specifikke opgaver. For eksempel kan en selvkørende bil navigere på forskellige terræner, fordi den blev trænet på et datasæt, der indeholdt mærket information om veje og skilte.
Interessant nok minder processen med dataannotation om outsourcing- og offshoring-tendenserne, der blev set i starten af 2000’erne. Store tech-firmaer i udviklede lande udnytter nu billigere menneskelig arbejdskraft i udviklingslande til at mærke deres data. Blandt andet har OpenAI, firmaet bag den populære chatbot ChatGPT, hyret virksomheder i lande som Nigeria til at assistere med dataannotation. Disse mærkede datasæt sikrer, at AI-algoritmer ikke genererer skadelige eller upassende reaktioner.
Selvom AI-teknologi anvendes bredt, opfatter mange mennesker, herunder dem der er involverede i at udvikle AI-systemer, AI’s beslutningsproces som en black box. De er ofte uvidende om, hvordan AI-modeller trænes, eller hvilke input de modtager. Denne manglende gennemsigtighed fører til situationer, hvor AI-systemer træffer forkerte beslutninger eller genererer skæve resultater. For eksempel anvendte forskere, der udviklede COVID-19-diagnostisk software, fejlagtigt lungebilleder af børn i kontrolgruppen, hvilket førte til unøjagtige resultater.
Brugen af AI-systemer, såsom algoritmisk profilering af politistyrker, vækker bekymringer om individets handlingsevne og risiko for tab af fri vilje. Disse systemer analyserer persondata for at forudsige en persons tilbøjelighed til at begå en forbrydelse, hvilket kan føre til en formindsket følelse af handlekraft og selvbestemmelse.
Selvom Murgias bog ikke tilbyder specifikke løsninger på disse udfordringer, giver den et værdifuldt perspektiv på forståelsen af AI’s indvirkning gennem linserne af menneskelige aktører. Den understreger den kritiske rolle for data i AI-udviklingen og fremhæver behovet for gennemsigtighed og etiske overvejelser i AI-systemer.
Mens lovgivere verden over udarbejder lovgivning omkring AI, fungerer “Kodedepender” som et essentielt læsestof for at øge bevidstheden og fremme informerede diskussioner om det komplekse forhold mellem mennesker og AI. Ved at anerkende den fundamentale rolle for menneskelig arbejdskraft og adressere udfordringerne forbundet med AI-udvikling kan vi stræbe efter en mere inkluderende og ansvarlig fremtid for AI-teknologi.
FAQ:
The source of the article is from the blog papodemusica.com