5 Kehawatiran Terhadap AI dan Cara Mengatasinya (Part 3) – AI Autonomous

Artificial Intelligence (Kecerdasan Buatan) | Kehawatiran Terhadap AI dan Cara Mengatasinya | Robot | AI Autonomous Robot | SARI Teknologi

Kebanyakan orang tidak tahu apa itu arsitektur layanan mikro, misalnya, meskipun beberapa aplikasi yang mereka gunakan setiap hari di buat dengan cara terpisah. Tetapi evolusi teknis seperti layanan mikro tidak cenderung menyebabkan jenis respons emosional yang di lakukan AI di sekitar potensi dampak sosial dan ekonomi. Layanan mikro juga belum di abadikan dalam budaya populer; Tidak ada yang mengantri di box office untuk “Terminator: Rise of the Cloud-Native Apps.”

Ini terutama berbicara tentang ketakutan tentang masa depan AI yang samar-samar. Serta mungkin sulit untuk mengevaluasi validitasnya ketika imajinasi kita menjadi liar. Itu tidak terlalu berguna bagi para pemimpin TI dan eksekutif lain yang mencoba membangun strategi AI praktis hari ini. Namun Anda akan menghadapi ketakutan – banyak di antaranya beralasan. Triknya adalah fokus pada masalah dunia nyata ini, bukan pembunuh robot penjelajah waktu. Sebagai permulaan, mereka jauh lebih mudah untuk di kalahkan. Hal ini di karenakan mereka sering di dasarkan pada kenyataan saat ini, bukan spekulasi futuristik.

“Jenis ketakutan [yang dimiliki orang tentang AI] bergantung pada jenis AI yang sedang kita bicarakan,” kata Keiland Cooper, rekan peneliti ilmu saraf di University of California Irvine dan co-director ContinualAI. “‘AI umum’ yang lebih teoretis dan jauh – komputer yang dapat melakukan semua hal yang dapat d ilakukan manusia akan menimbulkan lebih banyak ketakutan daripada yang berasal dari algoritma AI yang lebih realistis seperti yang kita lihat umum di gunakan saat ini.”

 

Part 2 : 5 Kehawatiran Terhadap AI dan Cara Mengatasinya (Part 2) – AI Autonomous (sariteknologi.com)

5 Kehawatiran Terhadap AI dan Cara Mengatasinya

Mari kita lihat lima kekhawatiran yang sah tentang AI dan saran ahli untuk mengatasinya sehingga tidak menggagalkan rencana AI Anda, Berikut Penjelasannya:

3. Ketakutan: AI akan membuat keputusan yang buruk
Sekali lagi, ini adalah kekhawatiran yang sangat masuk akal. Bagaimana kami mengevaluasi keakuratan dan kemanjuran hasil AI? Apa yang terjadi jika itu membuat pilihan yang buruk? (Anda dapat melihat bagaimana kombinasi tertentu dari ketakutan ini memiliki efek gabungan: Apa yang terjadi jika AI membuat keputusan yang buruk dan kami tidak dapat menjelaskan alasannya?) Dengan asumsi setiap dan semua hasil yang dihasilkan AI akan secara otomatis menjadi “baik” seharusnya membuat yang terbaik. orang optimis di antara kita tidak nyaman.

Bias dapat menyebabkan keputusan yang buruk. Namun, ini sebenarnya adalah ketakutan yang lebih luas, yang dapat – di antara dampak negatif lainnya – membuat tim tidak mempercayai setiap dan setiap hasil AI. Ini bisa menjadi lebih mungkin ketika orang-orang di luar tim AI (atau IT sama sekali) menganalisis hasilnya. Ini juga dapat menyebabkan stasis organisasi.

“Banyak orang takut AI akan membuat keputusan yang buruk. Ketakutan ini seringkali sangat luas dari perspektif teknis, tetapi selalu bermuara pada orang yang berpikir bahwa keputusan itu ‘tidak tepat,’” kata Jeff McGehee, direktur teknik di Very. “Bagi praktisi, ini bisa sangat sulit untuk dipahami, terutama jika definisi kuantitatif dari keputusan ‘baik’ tidak dapat dihasilkan.”

Cara mengatasinya:

Sekali lagi, pentingnya elemen manusia berkuasa. Jika Anda tidak dapat mengukur apa yang merupakan hasil positif, Anda harus membuat kerangka kualitatif untuk melakukannya, sambil memastikan Anda mengandalkan campuran orang dan informasi yang tepat untuk memerangi masalah nyata seperti bias.

“Untuk mengidentifikasi definisi seperti itu, pemangku kepentingan harus berpikir kritis tentang semua kemungkinan definisi baik/buruk sehubungan dengan keputusan tersebut,” kata McGehee. “Ketepatan yang tepat mungkin ideal, tetapi sering kali, jenis kesalahan tertentu lebih dapat diterima atau lebih ‘manusiawi’. Selain itu, ‘kebenaran’ dapat merujuk pada apakah Anda memenuhi beberapa daftar prediksi standar atau tidak, tetapi jika daftar ini mengandung sifat manusiawi. bias, itu mungkin target yang buruk. Semua faktor ini dapat berperan ketika pemangku kepentingan non-teknis mengevaluasi kualitas keputusan AI.”

 

Part 4 : 5 Kehawatiran Terhadap AI dan Cara Mengatasinya (Part 4) – AI Autonomous (sariteknologi.com)
Baca Juga : Asal usul AI (Part 1) – AI Autonomous (sariteknologi.com)
Kursus Robotik : SARI Teknologi

Tinggalkan Komentar

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *