Artificial Intelligence (Kecerdasan Buatan) | Hal Yang Harus Ditanyakan Oleh Pemerintah Tentang Penyimpangan AI | Robot | AI Autonomous Robot | SARI Teknologi
Penyimpangan AI: 9 Hal Yang Harus Ditanyakan Oleh Pemerintah
Penyimpangan kecerdasan buatan dapat menciptakan masalah mulai dari keputusan bisnis yang buruk hingga ketidakadilan. Kemudian gunakan pertanyaan ini untuk melawan potensi penyimpangan dalam sistem AI Anda. Seiring penggunaan aplikasi kecerdasan buatan dan pembelajaran mesin tumbuh dalam bisnis, pemerintah, lembaga pendidikan, dan organisasi lain, demikian pula kemungkinan penyimpangan. Para peneliti telah mempelajari dan menemukan penyimpangan rasial yang signifikan dalam teknologi pengenalan wajah, misalnya, dan khususnya dalam algoritma yang mendasarinya. Itu saja sudah menjadi masalah besar. Jadi ketika Anda mempertimbangkan secara lebih luas peran yang akan di mainkan AI dan ML dalam konteks sosial dan bisnis, masalah penyimpangan AI menjadi tampaknya tidak terbatas. Masalah yang perlu di perhatikan oleh para pemimpin TI dan yang lainnya saat mereka meningkatkan implementasi AI dan ML.
Penyimpangan AI sering di mulai dengan orang-orang, yang bertentangan dengan narasi populer bahwa kita semua akan segera di kendalikan oleh penguasa robot AI. Seiring dengan manusia, data menjadi isu utama. “penyimpangan dalam AI benar-benar merupakan cerminan dari penyimpangan dalam data pelatihan,” kata Rick McFarland, chief data officer di LexisNexis Legal & Professional. “Tempat terbaik untuk mencari penyimpangan dalam AI Anda adalah di data pelatihan Anda.”
Pertanyaan untuk Ditanyakan Tentang Penyimpangan AI
4. Bagaimana data pelatihan saya di bangun?
“Beberapa data pelatihan dapat di buat tanpa keterlibatan manusia, seperti data yang di kumpulkan dari perangkat, komputer, atau mesin pikirkan ponsel Anda,” kata McFarland di LexisNexis. “Namun, sebagian besar data pelatihan AI yang di gunakan saat ini di buat oleh manusia atau memiliki semacam keterlibatan manusia. AI apa pun yang di buat dari sumber data pelatihan apa pun akan memperkuat penyimpangan apa pun dalam data pelatihan apa pun sumbernya.”
McFarland mencatat bahwa karena platform AI dan ML menjadi lebih mudah di gunakan oleh lebih banyak orang di seluruh organisasi. Kemungkinan penyimpangan atau sekadar kurangnya kesadaran akan meningkatkan penyimpangan.
“Pengembang tidak terlalu memikirkan kebutuhan data. Sebaliknya, mereka berpikir untuk membangun model dan produk,” kata McFarland. “Itu berarti pengembang yang tidak terlatih tidak melakukan pengujian data pelatihan yang kritis dan memakan waktu. Konsekuensinya adalah model yang menggunakan data pelatihan penyimpangan akan memperkuat penyimpangan 1.000 kali lipat.”
Part 5 : 9 Hal Yang Harus Di tanyakan Oleh Pemerintah Tentang Penyimpangan AI (Part 5) – AI Autonomous (sariteknologi.com)
Baca Juga : 5 Kehawatiran Terhadap AI dan Cara Mengatasinya (Part 1) – AI Autonomous (sariteknologi.com)
Kursus Robotik : SARI Teknologi