شركة Startup Unbiased تهدف إلى زيادة الشفافية في البيانات من خلال تقنية البلوك تشين لمكافحة انحياز البيانات

تعد آثار انحياز البيانات في الذكاء الاصطناعي موثقة جيدًا، وكما يتعمق الذكاء الاصطناعي و خوارزميات التعلم الآلي في كل زاوية من زوايا المجتمع، تبحث شركات الذكاء الاصطناعي عن طرق جديدة لضمان أن الخوارزميات التي يطورونها لا ترث التحيزات البشرية. واحدة من اللاعبين الجدد في مساحة الذكاء الاصطناعي والتعلم الآلي، التي تهدف إلى تقليل انحياز البيانات، هي شركة Startup التي سميت باسم Unbiased. أطلقت Unbiased سوق بيانات جديدة على منصة البلوك تشين النشطة Telos، آملة في تزويد العملاء بأدوات و تطبيقات مركزية و خاصة بالخصوصية لعلوم البيانات والذكاء الاصطناعي.

تُتوقع أن يستمر سوق الذكاء الاصطناعي العالمي في النمو السريع خلال العقد القادم، وسيصل إلى حوالي 266 مليار دولار في عام 2027. في غضون أربع سنوات، من المتوقع أن يصل الإنفاق العالمي على أنظمة الذكاء الاصطناعي والمكونات المرتبطة بها إلى حوالي 110 مليار دولار في عام 2024، وفقًا لشركة IDC. أدى اعتماد خوارزميات الذكاء الاصطناعي في المزيد والمزيد من الصناعات إلى زيادة القلق بشأن شفافية وخصوصية ونزاهة وأنواع أنظمة الذكاء الاصطناعي.

تقليل الانحياز من خلال الشفافية

وفقًا لتقرير حديث صدر عن معهد أبحاث CapGemini، والذي يحمل عنوان “الذكاء الاصطناعي والمأزق الأخلاقي: كيف يمكن للمنظمات بناء أنظمة ذكاء اصطناعي قوية أخلاقيًا واكتساب الثقة”، أصبح الاستخدام الأخلاقي للذكاء الاصطناعي قلقًا كبيرًا للمسؤولين التقنيين في جميع أنحاء العالم، حيث يعبر большинهم الآن عن قلقهم بشأن إمكانية سوء استخدام أنظمة الذكاء الاصطناعي. وأشار حوالي 9 من كل 10 منظمة تقنية إلى أنهم على دراية على الأقل بحادثة واحدة أدت إلى خلق مشاكل أخلاقية من خلال تطبيق نظام ذكاء اصطناعي. وقال حوالي ثلثا المسؤولين التنفيذيين إنهم على دراية بتحيزات تمييزية محتملة في أنظمة الذكاء الاصطناعي، وحوالي نصف جميع المنظمات التقنية لديها ميثاق أخلاقي يهدف إلى إعطاء الأولوية لتطوير الذكاء الاصطناعي، وليس فقط 5٪ من شركات التكنولوجيا في عام 2019.

في حين يستمر البحث في كيفية جعل خوارزميات الذكاء الاصطناعي أكثر عدلاً، يركز العديد من الأخلاقيين وخبراء الذكاء الاصطناعي على البيانات المستخدمة لتدريب الذكاء الاصطناعي. مع أصبحت خوارزميات الذكاء الاصطناعي أكثر شيوعًا ومعيارية، يتحول التركيز إلى الحصول على البيانات اللازمة لتدريب النماذج.

هناك العديد من الطرق لتقليل انحياز البيانات في خوارزميات الذكاء الاصطناعي. بعض التقنيات تتضمن إجراء تعديلات على النموذج أو على بيانات التدريب أثناء تدريب النموذج. هذه التقنيات هي تقنيات تصحيح الانحياز أثناء المعالجة. وتشمل استخدام تقنيات التدريب المعادية، حيث يتم التحكم في بعض الميزات أو المتغيرات الحساسة (مثل الجنس أو العرق) عن طريق معاقبة قدرة النموذج على إجراء تنبؤات تتضمن الميزة المعنية. يتم ذلك في نفس الوقت مع محاولة تقليل خطأ النموذج. في المقابل، التركيز على إزالة الانحياز من مجموعة البيانات هو تقنية قبل المعالجة. غالبًا ما يتم تحديد بيانات التدريب لنمذجة التعلم الآلي يدويًا، ويمكن أن تساعد تقنية البلوك تشين الشركات على تتبع عملية تحديد البيانات لضمان تمثيلية مجموعات البيانات.

تعتمد Unbiased على تقنية البلوك تشين لتأسيس ثقافة الشفافية داخل مجموعات البيانات وأسواق البيانات. غالبًا ما تفتقر الأدوات المستخدمة لإنشاء مجموعات بيانات لأنظمة الذكاء الاصطناعي و خوارزميات التعلم الآلي إلى الشفافية بسبب مركزية هذه الأدوات. تهدف Unbiased إلى استخدام الطبيعة اللامركزية لتقنية البلوك تشين لتسجيل الإجراءات التي ت发生 عبر سوق البيانات، بما في ذلك تبادل البيانات وتنسيق المهام والمشاريع ومساهمات العمال. والهدف هو أن تسهل الطبيعة اللامركزية لمنصة البلوك تشين التيلوس الشفافية، مما يسمح للمستخدمين بالحصول على المعلومات الحيوية المتعلقة بطبيعة علوم البيانات. سيكون المستخدمون قادرين على التحقق من مجموعات البيانات وتحديد ما إذا تم إجراء التعليقات مع مراعاة بعض المبادئ الأخلاقية، مثل العدالة والخصوصية.

وفقًا لمهندس معماري منصة البلوك تشين التيلوس، يمكن أن يؤدي تقاطع الذكاء الاصطناعي والتعلم الآلي مع تقنية البلوك تشين إلى طرق جديدة تحولية للعمل مع البيانات. كما نقلت عنه AIthority:

“ستظهر Unbiased لهذه الصناعات كيف يمكن تسجيل البيانات على منصة بلوك تشين عالية الأداء وبدون رسوم، مثل التيلوس، لإضافة الشفافية واللاعتلال والدفع الميكروي والحوكمة إلى منتجاتها لصالح جميع أصحاب المصلحة.”

خارج نطاق شفافية بيانات التدريب، دعت بعض العلماء والباحثين إلى زيادة الشفافية في الخوارزميات والنمذجة والرمز البرمجي. دعت فريق دولي من العلماء إلى أن تطبق المجلات العلمية معايير شفافية أعلى على باحثي علوم الحاسوب. وادعى الباحثون أن زيادة الشفافية فيما يتعلق بنماذج الذكاء الاصطناعي والرمز البرمجي سيساعد ليس فقط في إعادة إنتاج الدراسات، ولكن أيضًا في تعزيز التعاون بين مجموعات البحث. لا يمكن إعادة إنتاج العديد من الدراسات العلمية، وهذه مشكلة أكبر بالنسبة للدراسات التي تركز على الذكاء الاصطناعي وتحذف المواد الحيوية. في المستقبل، يمكن استخدام تقنية البلوك تشين لتحسين تتبع وتقييم البحث في مجال الذكاء الاصطناعي.