स्टार्टअप अनबायस्ड डेटा में पारदर्शिता बढ़ाने के लिए ब्लॉकचेन का उपयोग कर बायस को कम करने का लक्ष्य रखता है, डेटा बायस से लड़ता है

कृत्रिम बुद्धिमत्ता में डेटा बायस के प्रभाव अच्छी तरह से प्रलेखित हैं, और जैसे ही कृत्रिम बुद्धिमत्ता और मशीन लर्निंग एल्गोरिदम समाज के हर कोने में गहराई से प्रवेश करते हैं, कृत्रिम बुद्धिमत्ता कंपनियां यह सुनिश्चित करने के लिए नए तरीकों की तलाश कर रही हैं कि वे जिन एल्गोरिदम का विकास करते हैं वे मानवीय पूर्वाग्रहों को विरासत में नहीं लेते हैं। कृत्रिम बुद्धिमत्ता और मशीन लर्निंग स्पेस में नए खिलाड़ियों में से एक, जो डेटा बायस को कम करने का लक्ष्य रखता है, स्टार्टअप अनबायस्ड है। अनबायस्ड ने एक नए डेटा मार्केटप्लेस को लॉन्च किया है सक्रिय ब्लॉकचेन प्लेटफ़ॉर्म टेलोस पर, जो ग्राहकों को डेटा विज्ञान और कृत्रिम बुद्धिमत्ता के लिए विकेंद्रीकृत, गोपनीयता-पहले उपकरण और अनुप्रयोग प्रदान करने की उम्मीद करता है।

वैश्विक कृत्रिम बुद्धिमत्ता बाजार के अगले दशक में तेजी से वृद्धि जारी रखने की भविष्यवाणी की जा रही है, जो 2027 तक लगभग 266 अरब डॉलर तक पहुंच जाएगी। अगले चार वर्षों में, कृत्रिम बुद्धिमत्ता प्रणालियों और संबंधित घटकों पर वैश्विक व्यय दोगुना होने की उम्मीद है, जो 2024 तक लगभग 110 अरब डॉलर तक पहुंच जाएगा, आईडीसी के अनुसार। कृत्रिम बुद्धिमत्ता एल्गोरिदम को अधिक से अधिक उद्योगों में अपनाने से कृत्रिम बुद्धिमत्ता प्रणालियों की पारदर्शिता, गोपनीयता, न्यायसंगतता और प्रतिनिधित्व के बारे में चिंताएं बढ़ गई हैं।

पारदर्शिता के माध्यम से पूर्वाग्रह को कम करना

कैपजेमिनी रिसर्च इंस्टीट्यूट द्वारा जारी एक हालिया रिपोर्ट के अनुसार, जिसका शीर्षक है “एआई और नैतिक संकट: कैसे संगठन नैतिक रूप से मजबूत एआई प्रणाली बना सकते हैं और विश्वास हासिल कर सकते हैं”, कृत्रिम बुद्धिमत्ता का नैतिक उपयोग आईटी नेताओं के लिए एक प्रमुख चिंता का विषय बन गया है, जिसमें अधिकांश आईटी नेता अब कृत्रिम बुद्धिमत्ता प्रणालियों के संभावित दुरुपयोग पर चिंता व्यक्त करते हैं। लगभग 9 में से 10 आईटी संगठनों ने कहा कि वे कम से कम एक घटना से अवगत हैं जहां एआई प्रणाली के अनुप्रयोग से नैतिक मुद्दे उत्पन्न हुए हैं। लगभग दो-तिहाई आईटी कार्यकारियों ने कहा कि वे एआई प्रणालियों में संभावित भेदभावपूर्ण पूर्वाग्रहों से अवगत हैं, और लगभग आधे आईटी संगठनों ने एआई के विकास के लिए एक नैतिक चार्टर की योजना बनाई है, न कि केवल 2019 में आईटी कंपनियों के 5% के विपरीत।

जबकि यह शोध जारी है कि कृत्रिम बुद्धिमत्ता एल्गोरिदम को न्यायसंगत बनाने के लिए कैसे बनाया जा सकता है, कई नैतिकविदों और कृत्रिम बुद्धिमत्ता विशेषज्ञ कृत्रिम बुद्धिमत्ता को प्रशिक्षित करने के लिए उपयोग किए जाने वाले डेटा पर ध्यान केंद्रित कर रहे हैं। क्योंकि कृत्रिम बुद्धिमत्ता एल्गोरिदम अधिक व्यापक और मानक बनते जा रहे हैं, ध्यान मॉडल को प्रशिक्षित करने के लिए आवश्यक डेटा प्राप्त करने की ओर स्थानांतरित हो रहा है।

कृत्रिम बुद्धिमत्ता एल्गोरिदम में डेटा बायस को कम करने के कई तरीके हैं। कुछ तकनीकों में मॉडल या प्रशिक्षण डेटा में संशोधन करना शामिल है क्योंकि मॉडल प्रशिक्षित होता है। ये तकनीकें “इन-प्रोसेसिंग” बायस सुधार तकनीकें हैं। इसमें विरोधी प्रशिक्षण तकनीकों का उपयोग शामिल है, जिसमें कोई संवेदनशील विशेषता/वेरिएबल (जैसे कि लिंग या जाति) को नियंत्रित किया जाता है bằng cách मॉडल की उस विशेषता से संबंधित भविष्यवाणियों को करने की क्षमता को दंडित करके, साथ ही साथ मॉडल की त्रुटि को कम करने का प्रयास किया जाता है। इसके विपरीत, डेटासेट से बायस को हटाने पर ध्यान केंद्रित करना एक पूर्व-प्रसंस्करण तकनीक है। मशीन लर्निंग मॉडल के लिए प्रशिक्षण डेटा अक्सर मैन्युअल रूप से लेबल किया जाता है, और ब्लॉकचेन का उपयोग करके कंपनियां अपने डेटा के लेबलिंग प्रक्रिया को ट्रैक करने में मदद कर सकती हैं ताकि यह सुनिश्चित किया जा सके कि उनके डेटासेट प्रतिनिधित्वकारी हैं।

अनबायस्ड ब्लॉकचेन का उपयोग डेटासेट और डेटा मार्केटप्लेस के भीतर पारदर्शिता की संस्कृति को बढ़ावा देने के लिए कर रहा है। कृत्रिम बुद्धिमत्ता प्रणालियों और मशीन लर्निंग एल्गोरिदम के लिए डेटा सेट तैयार करने के लिए उपयोग किए जाने वाले अधिकांश उपकरण केंद्रीकृत होते हैं, और इसलिए वे अक्सर पारदर्शिता की कमी होती है। अनबायस्ड टेलोस ब्लॉकचेन की विकेंद्रीकृत प्रकृति का लाभ उठाने का लक्ष्य रखता है ताकि उनके डेटा मार्केटप्लेस पर होने वाली क्रियाओं को रिकॉर्ड किया जा सके, जिसमें डेटा का आदान-प्रदान, कार्यों और परियोजनाओं का समीकरण और श्रमिकों से योगदान शामिल है। लक्ष्य यह है कि टेलोस ब्लॉकचेन की विकेंद्रीकृत प्रकृति पारदर्शिता की सुविधा प्रदान करती है, जिससे उपयोगकर्ता अपने डेटा विज्ञान के बारे में महत्वपूर्ण जानकारी प्राप्त कर सकते हैं। उपयोगकर्ता अपने डेटा सेट को सत्यापित करने में सक्षम होंगे और यह निर्धारित करेंगे कि क्या नोटेशन निश्चित नैतिक सिद्धांतों के संबंध में किए गए हैं, जैसे कि न्यायसंगतता और गोपनीयता।

टेलोस ब्लॉकचेन के मुख्य वास्तुकार के अनुसार, कृत्रिम बुद्धिमत्ता/मशीन लर्निंग और ब्लॉकचेन का संगम डेटा के साथ काम करने के लिए परिवर्तनकारी नए तरीकों को जन्म दे सकता है। जैसा कि हॉर्न को एआईथोरिटी द्वारा उद्धृत किया गया था:

“अनबायस्ड दिखाएगा कि टेलोस जैसे उच्च प्रदर्शन, शुल्क-मुक्त ब्लॉकचेन पर डेटा को रिकॉर्ड करना पारदर्शिता, अपूरणीयता, माइक्रो-भुगतान और सभी हितधारकों के लिए उत्पादों में शासन को जोड़ सकता है।”

प्रशिक्षण डेटा की पारदर्शिता से परे, कुछ वैज्ञानिकों और शोधकर्ताओं ने एल्गोरिदम, मॉडल और कोड में अधिक पारदर्शिता का आह्वान किया है। एक अंतरराष्ट्रीय वैज्ञानिक दल ने वैज्ञानिक पत्रिकाओं से कंप्यूटर विज्ञान शोधकर्ताओं को उच्च पारदर्शिता मानकों का पालन करने का आग्रह किया। शोधकर्ताओं ने तर्क दिया कि कृत्रिम बुद्धिमत्ता मॉडल और कोड के बारे में अधिक पारदर्शिता न केवल अध्ययनों की पुनरावृत्ति में सहायता करेगी, बल्कि शोध समूहों के बीच सहयोग में भी मदद करेगी। कई वैज्ञानिक अध्ययनों को दोहराया नहीं जा सकता है, और यह समस्या कृत्रिम बुद्धिमत्ता पर केंद्रित अध्ययनों के लिए और भी बड़ी है जो महत्वपूर्ण सामग्री को छोड़ देते हैं। भविष्य में, ब्लॉकचेन का उपयोग कृत्रिम बुद्धिमत्ता क्षेत्र में शोध की ट्रैकिंग और मूल्यांकन में सुधार के लिए भी किया जा सकता है।