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 Data Untuk Ditanyakan Tentang Penyimpangan AI
5. Apakah kumpulan datanya lengkap?
Nagarjuna, chief analytics officer di Sutherland, mengutip prediksi Gartner bahwa di perkirakan 85 persen dari semua proyek AI selama beberapa tahun ke depan akan memberikan hasil yang cacat karena penyimpangan awal dalam data dan algoritme.
Ini sekali lagi mengungkapkan hubungan mendasar antara orang dan data.
“Model AI hanya sebaik data yang di gunakan untuk melatihnya; sangat penting bagi para pembuat keputusan untuk melihat dengan seksama data eksternal dan memastikannya komprehensif dan mewakili semua variabel”. Kata Nagarjuna. “Data lingkungan akan berperan penting dalam memungkinkan keluaran menjadi sensitif secara kontekstual selain akurat dalam prediksi.”
Part 6 : 9 Hal Yang Harus Di tanyakan Oleh Pemerintah Tentang Penyimpangan AI (Part 6) – AI Autonomous (sariteknologi.com)
Baca Juga : 5 Kehawatiran Terhadap AI dan Cara Mengatasinya (Part 1) – AI Autonomous (sariteknologi.com)
Kursus Robotik : SARI Teknologi