Etik

Etiske principper for AI undergår meta-analyse, menneskerettigheder fremhæves

mm
Føj Unite.AI til dine foretrukne kilder på Google

I 2019 var der fokus på etik i forbindelse med AI som aldrig før. Dog virkede meget af denne diskussion uvirkelig, da der ikke var nogen fastlagt tilgang. I stedet skabte forskellige virksomheder deres egne rammer og politikker omkring etik i forbindelse med AI. At have enighed om etik i forbindelse med AI er vigtigt, da det hjælper beslutningstagerne med at skabe og justere politikker, og det informerer også arbejdet, der udføres af forskere og eksperter. Ud over det skal AI-virksomheder vide, hvor de etiske grænser er, hvis de ønsker at undgå uetisk AI-implementering. For at skabe et bedre billede af tendenserne i forbindelse med etik i AI, som VentureBeats rapporterer, udførte Berkman Klein Center på Harvard University en meta-analyse af de forskellige eksisterende etiske principper og rammer for AI.

Ifølge analysens forfattere ønskede forskerne at sammenligne principperne side om side for at se overlap og afvigelse. Jessica Fjeld, vicechef for Harvard Law School Cyberlaw Clinic, forklarede, at forskningsteamet ønskede at “afsløre den skjulte momentum i en splittet, global diskussion om fremtiden for AI, hvilket resulterede i denne hvidbog og den tilhørende datavisualisering.”

Under analysen undersøgte teamet 36 forskellige AI-principdokumenter, der stammede fra hele verden og kom fra mange forskellige organisationstyper. Forskningens resultater viste, at der var otte temaer, der gentog sig på tværs af mange dokumenter.

Privatliv og ansvar var to af de mest almindeligt forekommende etiske temaer, ligesom AI-sikkerhed/sikkerhed. Gennemsigtighed/forklarlighed var også et almindeligt nævnt mål, med mange forsøg på at gøre algoritmer mere forklarlige i løbet af 2019. Fairness/diskrimination var et andet etisk fokusområde, der afspejlede voksende bekymringer om dataforvrængning. At sikre menneskelig kontrol over teknologi og ikke overgive beslutningsmagten til AI blev også nævnt. Professionel ansvar var det syvende almindelige tema, som forskerne fandt. Endelig fandt forskerne konstant nævning af fremme af menneskelige værdier i AI-etikkedokumentationen, de undersøgte.

Forskningsholdet gav kvalitative og kvantitative nedbrydninger af, hvordan disse temaer manifestede sig inden for AI-etikkedokumentation i deres papir og i en tilhørende kort. Kortet viser, hvor hvert af temaerne blev nævnt.

Forskningsholdet bemærkede, at meget af AI-etikkediskussionen drejede sig om bekymring for menneskelige værdier og rettigheder. Som forskningspapiret bemærker:

“64% af vores dokumenter indeholdt en reference til menneskerettigheder, og fem dokumenter [14%] tog internationale menneskerettigheder som ramme for deres samlede indsats.”

Henvisninger til menneskerettigheder og værdier var mere almindelige i dokumenter produceret af private sektorgrupper og civilsamfundsgrupper. Dette indikerer, at AI-virksomheder i den private sektor ikke kun er bekymret for profit, men også for at producere AI på en etisk måde. Imens synes det, at regeringsinstitutioner er mindre bekymrede eller bevidste om AI-etik overordnet, med færre end halvdelen af AI-relaterede dokumenter, der stammer fra regeringsinstitutioner, og som beskæftiger sig med AI-etik.

Forskerne bemærkede også, at hvis dokumenterne, de undersøgte, var mere aktuelle, var de mere sandsynligt at omhandle alle de otte mest fremtrædende temaer i stedet for kun nogle få. Denne kendsgerning antyder, at idéerne bag, hvad der udgør etisk AI-brug, begynder at samles blandt dem, der leder diskussionen om AI-etik. Endelig fastslår forskerne, at succesen med disse principper i at guide AI-udviklingen vil afhænge af, hvor godt de er integreret i AI-udviklingsfællesskabet i bred forstand. Forskerne fastslår i papiret:

“Desuden er principperne et udgangspunkt for styring, ikke en afslutning. På sig selv er en samling af principper usandsynligt at være mere end svagt overbevisende. Dens virkning er sandsynligvis afhængig af, hvordan den er integreret i et større styringssystem, herunder for eksempel relevante politikker (f.eks. nationale AI-planer), love, regler, men også professionelle praksis og daglige rutiner.”

Blogger og programmør med specialer i Machine Learning og Deep Learning emner. Daniel håber at hjælpe andre med at bruge AI's kraft til sociale formål.