Αρχική > κοινωνία, νέες τεχνολογίες > Η μηχανική μάθηση πρέπει να αυξήσει τις ανθρώπινες δυνατότητες

Η μηχανική μάθηση πρέπει να αυξήσει τις ανθρώπινες δυνατότητες

Machine Learning - Μηχανική μάθηση - τι είναι; | CSC - Computer Science  Center

από την Έλενα Εσποσίτο

στις 21 Μαΐου 2020

Η κοινωνιολόγος Elena Esposito προτείνει να μετατοπιστεί το επίκεντρο της τεχνητής νοημοσύνης σε μηχανές ως συνεργάτες επικοινωνίας . Συνέντευξη του Florian Butollo.

Butollo : Η τεχνητή νοημοσύνη λέγεται ότι δίνει απαντήσεις σε ερωτήματα όπως τα σωστά επίπεδα φορολογίας, ο λογικός πολεοδομικός σχεδιασμός, η διαχείριση των εταιρειών και η αξιολόγηση των υποψηφίων για εργασία. Είναι οι ικανότητες της AI να προβλέπουν και να κρίνουν καλύτερες από αυτές των ανθρώπων; Η διαθεσιμότητα τεράστιων ποσοτήτων δεδομένων σημαίνει ότι ο κόσμος γίνεται πιο προβλέψιμος;

Έλενα Εσποσίτο

Esposito : Οι αλγόριθμοι μπορούν να επεξεργάζονται ασύγκριτα περισσότερα δεδομένα και να εκτελούν συγκεκριμένες εργασίες με μεγαλύτερη ακρίβεια και αξιοπιστία από ό, τι τα ανθρώπινα όντα. Αυτό είναι ένα μεγάλο πλεονέκτημα που πρέπει να θυμόμαστε επίσης όταν επισημαίνουμε τα όριά τους, τα οποία υπάρχουν και είναι θεμελιώδη. Το πιο προφανές είναι η τάση των αλγορίθμων, που μαθαίνουν από τα διαθέσιμα δεδομένα, να προβλέπουν το μέλλον προβάλλοντας προς τα εμπρός τις δομές του παρόντος – συμπεριλαμβανομένων των προκαταλήψεων και των ανισορροπιών.

Αυτό δημιουργεί επίσης προβλήματα όπως το overfitting, το οποίο προκύπτει όταν το σύστημα είναι υπερβολικά προσαρμοσμένο στα παραδείγματα του παρελθόντος και χάνει την ικανότητα να συλλάβει την εμπειρική ποικιλία του κόσμου. Για παράδειγμα, έμαθε τόσο καλά να αλληλεπιδρά με τους δεξιούς χρήστες που έχει εκπαιδευτεί με το ότι δεν αναγνωρίζει ένα αριστερό άτομο ως πιθανό χρήστη.

Οι αλγόριθμοι υποφέρουν επίσης από μια συγκεκριμένη τύφλωση, ειδικά όσον αφορά την κυκλικότητα με την οποία οι προβλέψεις επηρεάζουν το μέλλον που στοχεύουν να προβλέψουν. Σε πολλές περιπτώσεις το μέλλον που προβλέπονται από τα μοντέλα δεν συμβαίνει, όχι επειδή είναι λάθος, αλλά ακριβώς επειδή είναι σωστά και ακολουθούνται.

Σκεφτείτε, για παράδειγμα, τις προβλέψεις ροής κυκλοφορίας το καλοκαίρι για τις λεγόμενες έξυπνες αναχωρήσεις: μαύρες, κόκκινες, κίτρινες μέρες κ.λπ. Τα μοντέλα προβλέπουν ότι στις 31 Ιουλίου το μεσημέρι θα υπάρξει μποτιλιαρίσματος στους αυτοκινητόδρομους, ενώ στις 2 π.μ. θα ταξιδέψει καλύτερα. Αν ακολουθήσουμε τις προβλέψεις, οι οποίες είναι αξιόπιστες και καλοδουλεμένες, όλοι θα περιμένουμε στην ουρά στον αυτοκινητόδρομο στις 2 π.μ. – σε αντίθεση με την πρόβλεψη.

Αυτή η κυκλικότητα επηρεάζει όλα τα μοντέλα πρόβλεψης: εάν ακολουθήσετε την πρόβλεψη, κινδυνεύετε να την παραχάσετε. Είναι δύσκολο να προβλέψουμε εκπλήξεις και η υπερβολική εξάρτηση από αλγοριθμικές μορφές κινδυνεύει να περιορίσει τον χώρο της εφεύρεσης και το ανοιχτό μέλλον.

Βλέπετε πολιτικούς κινδύνους να βασίζεστε πάρα πολύ στο AI; Είναι η τρέχουσα διαφημιστική εκστρατεία γύρω από το θέμα σημάδι της απώλειας της κυριαρχίας μας ως κοινωνιών;

Οι πολιτικοί κίνδυνοι υπάρχουν, αλλά δεν καθορίζονται άμεσα από την τεχνολογία. Οι δυνατότητες που προσφέρουν οι αλγόριθμοι μπορούν να οδηγήσουν σε πολύ διαφορετικά πολιτικά αποτελέσματα και κινδύνους – από τη διαφημιστική εκστρατεία σχετικά με την εξατομίκευση που υπόσχεται να ξεδιπλώσει την αυτονομία των μεμονωμένων χρηστών στο κινεζικό σύστημα «κοινωνικής πίστωσης», το οποίο πηγαίνει στην αντίθετη κατεύθυνση.

Ποιες είναι οι προτάσεις σας για τη σωστή χρήση της τεχνητής νοημοσύνης; Τι πρέπει να λάβουν υπόψη οι υπεύθυνοι χάραξης πολιτικής κατά τη διαμόρφωση δεοντολογικών κατευθυντήριων γραμμών, κανόνων και κανονισμών λαμβάνοντας υπόψη αυτό;

Ο Heinz von Foerster είχε ως ηθική επιταγή «Πράξη πάντα για να αυξήσει τον αριθμό των δυνατοτήτων». Σήμερα περισσότερο από ποτέ μου φαίνεται μια θεμελιώδης αρχή. Ειδικά όταν αντιμετωπίζουμε πολύ περίπλοκες συνθήκες, νομίζω ότι είναι καλύτερο να προσπαθούμε να μαθαίνουμε συνεχώς από τις τρέχουσες εξελίξεις παρά να προσποιείται ότι ξέρεις πού θέλεις να πας.

Και παρεμπιπτόντως, οι αλγόριθμοι μηχανικής μάθησης λειτουργούν επίσης με αυτόν τον τρόπο. Σε αυτές τις προηγμένες τεχνικές προγραμματισμού οι αλγόριθμοι μαθαίνουν από την εμπειρία και με τον ίδιο τρόπο το πρόγραμμα – πηγαίνοντας σε κατευθύνσεις που οι ίδιοι οι σχεδιαστές συχνά δεν μπορούσαν να προβλέψουν.

Ποια είναι η λογική προσδοκία για AI; Τι μπορούμε να ελπίζουμε και πώς μπορούμε να φτάσουμε εκεί;

Αυτό που περιμένω σε σχέση με την τεχνητή νοημοσύνη είναι ότι η ίδια η ιδέα της τεχνητής αναπαραγωγής της ανθρώπινης νοημοσύνης θα εγκαταλειφθεί. Οι πιο πρόσφατοι αλγόριθμοι που χρησιμοποιούν μηχανική εκμάθηση και μεγάλα δεδομένα δεν λειτουργούν καθόλου όπως η ανθρώπινη νοημοσύνη και ούτε καν προσπαθούν να την μιμηθούν – και ακριβώς για αυτόν τον λόγο είναι σε θέση να εκτελούν με μεγάλη αποτελεσματικότητα εργασίες που μέχρι τώρα προορίζονταν για ανθρώπινη νοημοσύνη .

Μέσω μεγάλων δεδομένων, οι αλγόριθμοι «τροφοδοτούν» τις διαφορές που δημιουργούνται (συνειδητά ή ασυνείδητα) από τα άτομα και τη συμπεριφορά τους για την παραγωγή νέων, εκπληκτικών και δυνητικά διδακτικών πληροφοριών. Οι αλγοριθμικές διαδικασίες ξεκινούν από τη νοημοσύνη των χρηστών για να λειτουργούν ικανοποιητικά ως συνεργάτες επικοινωνίας, χωρίς να χρειάζεται να είναι έξυπνοι οι ίδιοι.

Σχετικά με την Έλενα Εσποσίτο

Η Έλενα Εσποσίτο είναι καθηγήτρια κοινωνιολογίας στο Πανεπιστήμιο του Μπίλεφελντ και στο Πανεπιστήμιο της Μπολόνια. Η τρέχουσα έρευνά της σχετικά με την αλγοριθμική πρόβλεψη υποστηρίζεται από μια πενταετή προηγμένη επιχορήγηση από το Ευρωπαϊκό Συμβούλιο Έρευνας.

https://www.socialeurope.eu/machine-learning-should-increase-human-possibilities

Τι είναι η Μηχανική Μάθηση; (Machine Learning)

  1. Δεν υπάρχουν σχόλια.
  1. No trackbacks yet.

Σχολιάστε

Εισάγετε τα παρακάτω στοιχεία ή επιλέξτε ένα εικονίδιο για να συνδεθείτε:

Λογότυπο WordPress.com

Σχολιάζετε χρησιμοποιώντας τον λογαριασμό WordPress.com. Αποσύνδεση /  Αλλαγή )

Φωτογραφία Twitter

Σχολιάζετε χρησιμοποιώντας τον λογαριασμό Twitter. Αποσύνδεση /  Αλλαγή )

Φωτογραφία Facebook

Σχολιάζετε χρησιμοποιώντας τον λογαριασμό Facebook. Αποσύνδεση /  Αλλαγή )

Σύνδεση με %s

Αρέσει σε %d bloggers: