ஏ.ஐ-இல் அல்காரிதமிக் பாகுபாடுகள் பற்றி நீங்கள் ஆர்வமாக இருக்கிறீர்களா? இந்த கட்டுரையில் ஏ.ஐ மற்றும் அல்காரிதமிக் பாகுபாடு பற்றி மேலும் அறிய INVIAI-இல் சேருங்கள்!

கைமுறை நுண்ணறிவு (AI) நமது அன்றாட வாழ்க்கையில் அதிகமாக இணைக்கப்பட்டுள்ளது – வேலைவாய்ப்பு முடிவுகள் முதல் சுகாதாரம் மற்றும் காவல் துறைகள் வரை – ஆனால் இதன் பயன்பாடு அல்காரிதமிக் பாகுபாடு குறித்து கவலைகளை எழுப்பியுள்ளது. அல்காரிதமிக் பாகுபாடு என்பது AI அமைப்புகளின் வெளியீடுகளில் ஏற்படும் முறையான மற்றும் நியாயமற்ற முன்னுரிமைகள் ஆகும், இது பெரும்பாலும் சமூக முன்னுரிமைகள் மற்றும் சமத்துவமற்ற நிலைகளை பிரதிபலிக்கிறது.

மூலமாக, ஒரு AI அல்காரிதம் அதன் பயிற்சி தரவிலும் வடிவமைப்பிலும் உள்ள மனித பாகுபாடுகளை意றியாமல் மீண்டும் உருவாக்கக்கூடும், இது வேறுபாட்டான முடிவுகளை உருவாக்கும்.

இந்த பிரச்சினை தொழில்நுட்ப நெறிமுறைகளில் மிகவும் விவாதிக்கப்பட்ட சவால்களில் ஒன்றாக மாறியுள்ளது, இது உலகளாவிய ஆராய்ச்சியாளர்கள், கொள்கை அமைப்பாளர்கள் மற்றும் தொழில் தலைவர்களின் கவனத்தை ஈர்த்துள்ளது. AI விரைவான ஏற்றுக்கொள்ளல் காரணமாக, இப்போது பாகுபாட்டை சமாளிப்பது அவசியம்: நெறிமுறை பாதுகாப்புகள் இல்லாமல், AI உண்மையான உலக பாகுபாடுகளையும் வேறுபாடுகளையும் மீண்டும் உருவாக்கும் அபாயம் உள்ளது, இது சமூக பிரிவுகளை தீவிரப்படுத்தி அடிப்படையான மனித உரிமைகளையும் பாதிக்கக்கூடும்.

கீழே, அல்காரிதமிக் பாகுபாட்டின் காரணங்கள், அதன் தாக்கத்தின் உண்மையான உலக உதாரணங்கள் மற்றும் உலகம் AI-ஐ நியாயமானதாக மாற்றுவதற்கான முயற்சிகளை நாம் ஆராய்கிறோம்.

அல்காரிதமிக் பாகுபாடு மற்றும் அதன் காரணங்களை புரிந்துகொள்வது

அல்காரிதமிக் பாகுபாடு பொதுவாக AI "வேறுபாடு செய்ய விரும்புவதால் அல்ல, மனித காரணிகளால் ஏற்படுகிறது. AI அமைப்புகள் தரவிலிருந்து கற்றுக்கொள்கின்றன மற்றும் மனிதர்களால் உருவாக்கப்பட்ட விதிகளை பின்பற்றுகின்றன – மனிதர்களுக்கு பாகுபாடுகள் (பெரும்பாலும் அறியாமை) உள்ளன.
பயிற்சி தரவு பாகுபாடானது அல்லது வரலாற்று முன்னுரிமைகளை பிரதிபலித்தால், AI அந்த மாதிரிகளை கற்றுக்கொள்ள வாய்ப்பு உள்ளது.

உதாரணமாக, ஒரு தொழில்நுட்பத் துறையின் பத்து ஆண்டுகளுக்கான வேலைவாய்ப்பு தரவுகளால் பயிற்சி பெற்ற ஒரு ரெசுமே ஸ்கிரீனிங் AI, பெரும்பாலும் ஆண்கள் தேர்ந்தெடுக்கப்பட்டதால், ஆண் விண்ணப்பதாரர்கள் முன்னுரிமை பெற்றதாக கருதக்கூடும், இதனால் பெண்களுக்கு பாதிப்பு ஏற்படும். மற்ற பொதுவான காரணங்களில் முழுமையற்ற அல்லது பிரதிநிதித்துவமற்ற தரவுத்தொகுப்புகள், பாகுபாடான தரவு லேபிளிங் அல்லது குறைந்தபட்ச குழுக்களுக்கு நியாயம் இல்லாமல் முழுமையான துல்லியத்திற்காக அல்காரிதம்கள் மேம்படுத்தப்படுவது அடங்கும்.

சுருக்கமாக, AI அல்காரிதம்கள் தங்கள் உருவாக்குநர்களின் மற்றும் தரவின் பாகுபாடுகளை பெறுகின்றன என்றால், அவற்றை அடையாளம் காண்பதும் திருத்துவதும் செய்யப்பட வேண்டும்.

அல்காரிதமிக் பாகுபாடு பொதுவாக 意றியாமையாக ஏற்படுகிறது என்பதை கவனிக்க வேண்டும். நிறுவனங்கள் முடிவுகளை அதிகமாக பொருத்தமானதாக மாற்ற AI-ஐ ஏற்கின்றன, ஆனால் அவர்கள் பாகுபாடான தகவலை வழங்கினால் அல்லது வடிவமைப்பில் சமத்துவத்தை கருத்தில் கொள்ளாவிட்டால், முடிவு இன்னும் நியாயமற்றதாக இருக்கலாம். AI பாகுபாடு வாயிலாக வாய்ப்புகள் தவறாக வழங்கப்படலாம் மற்றும் தவறான முடிவுகள் உருவாகலாம், இது மக்களின் நலனையும் AI மீது நம்பிக்கையையும் பாதிக்கிறது.

பாகுபாடு ஏன் ஏற்படுகிறது என்பதை புரிந்துகொள்வது தீர்வுகளுக்கான முதல் படி ஆகும் – இது கல்வி, தொழில் மற்றும் அரசாங்கங்கள் உலகளாவிய அளவில் இப்போது கவனமாக எடுத்துக்கொண்டு உள்ளனர்.

ஏ.ஐ பாகுபாட்டின் உண்மையான உலக உதாரணங்கள்

ஏ.ஐ-இல் பாகுபாடு என்பது கற்பனை மட்டுமல்ல; பல உண்மையான உலக நிகழ்வுகள் அல்காரிதமிக் பாகுபாடு எப்படி வேறுபாட்டுக்கு வழிவகுக்கிறது என்பதை வெளிப்படுத்தியுள்ளன. பல துறைகளில் ஏ.ஐ பாகுபாட்டின் குறிப்பிடத்தக்க நிகழ்வுகள்:

• குற்றவியல் நீதி: அமெரிக்காவில், குற்றவாளி மீண்டும் குற்றம் செய்யும் வாய்ப்பை கணிக்க பயன்படுத்தப்படும் ஒரு பிரபல அல்காரிதம் கருப்பு குற்றவாளிகளுக்கு பாகுபாடு காட்டியது. இது பெரும்பாலும் கருப்பு குற்றவாளிகளை அதிக ஆபத்தானவர்கள் என்றும் வெள்ளை குற்றவாளிகளை குறைந்த ஆபத்தானவர்கள் என்றும் தவறாக மதிப்பீடு செய்தது, இது நீதிமன்றங்களில் இனவெறி வேறுபாடுகளை அதிகரித்தது.
  இந்த வழக்கு AI காவல் மற்றும் நீதிமன்றங்களில் வரலாற்று பாகுபாடுகளை எவ்வாறு அதிகரிக்கக்கூடியதோ அதைப் பிரதிபலிக்கிறது.

• வேலைவாய்ப்பு மற்றும் ஆட்சேர்ப்பு: அமேசான் ஒரு AI ஆட்சேர்ப்பு கருவியை பெண்களுக்கு எதிராக பாகுபாடு காட்டியதால் நிறுத்தியது. இயந்திரக் கற்றல் மாடல், பெரும்பாலும் ஆண்கள் இருந்த கடந்த கால ரெசுமேகளில் பயிற்சி பெற்றதால், ஆண் விண்ணப்பதாரர்கள் முன்னுரிமை பெற்றதாக கற்றுக்கொண்டது.
  
  இதனால், “பெண்கள்” என்ற வார்த்தை கொண்ட ரெசுமேகள் (எ.கா., “பெண்கள் செஸ் கிளப் கேப்டன்”) அல்லது அனைத்து பெண்கள் கல்லூரிகள் குறைந்த மதிப்பீடு செய்யப்பட்டன. இந்த பாகுபாடான ஆட்சேர்ப்பு அல்காரிதம் தொழில்நுட்ப வேலைகளுக்கு தகுதியான பெண்களை தவறாக நீக்கியது.

• சுகாதாரம்: அமெரிக்கா முழுவதும் மருத்துவமனைகள் பயன்படுத்தும் ஒரு அல்காரிதம் கருப்பு நோயாளிகளின் சுகாதார தேவைகளை தவறாக மதிப்பீடு செய்தது. இந்த அமைப்பு சுகாதார செலவினத்தின் அடிப்படையில் பராமரிப்பு முன்னுரிமையை கணித்தது: வரலாற்று காரணமாக கருப்பு நோயாளிகளுக்கு குறைவான செலவு செய்யப்பட்டதால், அல்காரிதம் கருப்பு நோயாளிகள் “ஆரோக்கியமாக” இருக்கிறார்கள் என்று தவறாக முடிவு செய்தது மற்றும் குறைந்த ஆபத்து மதிப்பெண்களை வழங்கியது.
  
  வास्तவத்தில், இந்த பாகுபாடு காரணமாக பல கருப்பு நோயாளிகள் தேவையான பராமரிப்பை பெறவில்லை – ஆய்வு காட்டியது, கருப்பு நோயாளிகள் ஆண்டுக்கு சுமார் $1,800 குறைவான மருத்துவ செலவினம் செய்தனர், அதனால் AI அவர்கள் குறைவாக சிகிச்சை அளித்தது.

• முகம் அடையாளம்: முக அடையாள தொழில்நுட்பம் மக்கள் இனவகைகள் மற்றும் பெண்கள் மீது மிகுந்த பாகுபாடு காட்டியுள்ளது. 2019-ல் அமெரிக்க தேசிய தரநிலை மற்றும் தொழில்நுட்ப நிறுவனம் (NIST) செய்த விரிவான ஆய்வு, பெரும்பாலான முக அடையாள அல்காரிதம்கள் வண்ணமயமான மற்றும் பெண்கள் மீது வெள்ளை ஆண்களைவிட அதிக தவறான அடையாளங்களை காட்டியுள்ளன.
  
  ஒரு-ஒரு பொருத்தல் சூழ்நிலைகளில் (இரு புகைப்படங்கள் ஒரே நபரின் என்பதை உறுதிப்படுத்துதல்), ஆசிய மற்றும் ஆப்பிரிக்க-அமெரிக்க முகங்களுக்கு தவறான நேர்மறை அடையாளங்கள் சில அல்காரிதம்களில் 10 முதல் 100 மடங்கு அதிகமாக இருந்தன. ஒரு-பல தேடல்களில் (தகவல் தளத்திலிருந்து நபரை அடையாளம் காணுதல், காவல் துறையில் பயன்படுத்தப்படுகிறது), அதிகபட்ச தவறான அடையாளங்கள் கருப்பு பெண்களுக்கு இருந்தன – இது ஏற்கனவே குற்றமற்றவர்களின் தவறான கைது போன்ற ஆபத்தான பாகுபாடு.
  
  இந்த வேறுபாடுகள் பாகுபாடான AI எப்படி புறக்கணிக்கப்பட்ட குழுக்களுக்கு அதிக பாதிப்பை ஏற்படுத்தக்கூடியதோ அதை வெளிப்படுத்துகின்றன.

• உருவாக்கும் AI மற்றும் ஆன்லைன் உள்ளடக்கம்: சமீபத்திய AI அமைப்புகளும் பாகுபாடுகளிலிருந்து விடுபடவில்லை. 2024-ல் யுனெஸ்கோ செய்த ஆய்வு, பெரிய மொழி மாதிரிகள் (சாட்பாட்கள் மற்றும் உள்ளடக்கம் உருவாக்கும் AI-க்கு பின்னணி) பெரும்பாலும் பின்தங்கிய பாலின மற்றும் இனவகை முன்னுரிமைகளை உருவாக்குகின்றன.
  
  உதாரணமாக, பெண்கள் ஆண்களைவிட நான்கு மடங்கு அதிகமாக வீட்டுப்பணிகளில் விவரிக்கப்பட்டனர், பெண்களின் பெயர்கள் “வீடு” மற்றும் “குழந்தைகள்” போன்ற வார்த்தைகளுடன் தொடர்புபடுத்தப்பட்டன, ஆண்களின் பெயர்கள் “நிர்வாகி”, “சம்பளம்” மற்றும் “தொழில்” போன்றவற்றுடன் தொடர்புபடுத்தப்பட்டன. அதேபோல், இந்த AI மாதிரிகள் பாலின வெறுப்பு மற்றும் கலாச்சார முன்னுரிமைகளை வெளிப்படுத்தின.

  இப்போது கோடிக்கணக்கானோர் உருவாக்கும் AI-ஐ தினசரி பயன்படுத்துவதால், உள்ளடக்கத்தில் உள்ள சிறிய பாகுபாடுகளும் உண்மையான உலகில் சமத்துவமற்ற நிலைகளை அதிகரிக்கக்கூடும், முன்னுரிமைகளை பரவலாக வலுப்படுத்துகின்றன.

இந்த உதாரணங்கள் அல்காரிதமிக் பாகுபாடு தொலைவிலோ அரிதான பிரச்சினையோ அல்ல என்பதை வலியுறுத்துகின்றன – இது இன்று பல துறைகளிலும் நடக்கிறது. வேலை வாய்ப்புகள் முதல் நீதி, சுகாதாரம் முதல் ஆன்லைன் தகவல் வரை, பாகுபாடான AI அமைப்புகள் உள்ள வேறுபாடுகளை மீண்டும் உருவாக்கி தீவிரப்படுத்தக்கூடும்.

இது பெரும்பாலும் வரலாற்று ரீதியாக புறக்கணிக்கப்பட்ட குழுக்களுக்கு பாதிப்பை ஏற்படுத்துகிறது, இது கடுமையான நெறிமுறை மற்றும் மனித உரிமை கவலைகளை எழுப்புகிறது. யுனெஸ்கோ எச்சரிக்கிறது, AI அபாயங்கள் “இருந்து வரும் சமத்துவமற்ற நிலைகளின் மேல் கூடுதல் பாதிப்புகளை ஏற்படுத்தி, ஏற்கனவே புறக்கணிக்கப்பட்ட குழுக்களுக்கு மேலும் தீங்கு விளைவிக்கின்றன”.

ஏ.ஐ பாகுபாடு ஏன் முக்கியம்?

ஏ.ஐ பாகுபாட்டை சமாளிப்பது மிக முக்கியம். பார்வையிடப்படாமல் இருந்தால், பாகுபாடான அல்காரிதம்கள் தொழில்நுட்ப நியாயத்தன்மையின் பின்னணியில் முறையான வேறுபாட்டை நிலைநாட்டும். AI மூலம் எடுக்கப்படும் (அல்லது வழிநடத்தப்படும்) முடிவுகள் – யார் வேலைக்கு தேர்ந்தெடுக்கப்படுகிறார்கள், யாருக்கு கடன் அல்லது விடுதலை வழங்கப்படுகிறது, காவல் துறை கண்காணிப்பை எவ்வாறு மேற்கொள்கிறது – இவை மக்களின் வாழ்க்கைக்கு நேரடி விளைவுகளை கொண்டவை.

இந்த முடிவுகள் குறிப்பிட்ட பாலினங்கள், இனங்கள் அல்லது சமூகங்களுக்கு எதிராக நியாயமற்ற முறையில் சாய்ந்தால், சமூக சமத்துவம் மேலும் விரிவடையும். இது வாய்ப்புகள் மறுக்கப்படுதல், பொருளாதார வேறுபாடுகள் அல்லது பாதிக்கப்பட்ட குழுக்களுக்கு தனிப்பட்ட சுதந்திரம் மற்றும் பாதுகாப்புக்கு அச்சுறுத்தல்களை ஏற்படுத்தும்.

பெரிய பட்சத்தில், அல்காரிதமிக் பாகுபாடு மனித உரிமைகள் மற்றும் சமூக நீதியை பாதிக்கிறது, சமத்துவம் மற்றும் வேறுபாடு இல்லாத தன்மையை ஆதரிக்கும் ஜனநாயக சமூகங்களின் கொள்கைகளுக்கு முரண்படுகிறது.

ஏ.ஐ-இல் பாகுபாடு தொழில்நுட்பத்தில் பொது நம்பிக்கையையும் குறைக்கிறது. மக்கள் நியாயமற்ற அல்லது மறைமுகமான AI அமைப்புகளை நம்பவோ அல்லது ஏற்கவோ குறைவாக இருக்கிறார்கள்.

வணிகங்கள் மற்றும் அரசுகளுக்கு, இந்த நம்பிக்கை குறைவு ஒரு கடுமையான பிரச்சினை – வெற்றிகரமான புதுமை பொதுமக்கள் நம்பிக்கையை தேவைப்படுத்துகிறது. ஒரு நிபுணர் குறிப்பிட்டபடி, நியாயமான மற்றும் பாகுபாடில்லாத AI முடிவுகள் நெறிமுறையாக மட்டுமல்ல, வணிகத்திற்கும் சமூகத்திற்கும் நல்லவை, ஏனெனில் நிலையான புதுமை நம்பிக்கையை சார்ந்தது.

மாறாக, பாகுபாடு காரணமாக ஏற்பட்ட AI தோல்விகள் (மேலே உள்ள வழக்குகள் போன்றவை) ஒரு நிறுவனத்தின் புகழையும் சட்டப்பூர்வத்தன்மையையும் பாதிக்கக்கூடும்.

மேலும், அல்காரிதமிக் பாகுபாடு ஏ.ஐ-இன் சாத்தியமான நன்மைகளை குறைக்கக்கூடும். AI திறன் மற்றும் முடிவெடுப்பை மேம்படுத்தும் வாக்குறுதி உள்ளது, ஆனால் அதன் முடிவுகள் சில மக்களுக்காகவே வேறுபாடானவையாக இருந்தால், அது முழுமையான நேர்மறை தாக்கத்தை ஏற்படுத்த முடியாது.

உதாரணமாக, ஒரு AI சுகாதார கருவி ஒரு இனத்திற்குப் பொருத்தமாக செயல்படுவதாக இருந்தாலும் மற்ற இனங்களுக்கு சரியாக செயல்படவில்லை என்றால், அது உண்மையில் பயனுள்ளதல்ல அல்லது ஏற்றுக்கொள்ளத்தக்கதல்ல. OECD கவனித்தது போல, AI பாகுபாடு வாய்ப்புகளை தவறாக கட்டுப்படுத்தி, வணிகங்களின் புகழையும் பயனர்களின் நம்பிக்கையையும் இழக்கச் செய்யும்.

சுருக்கமாக, பாகுபாட்டை சமாளிப்பது ஒரு நெறிமுறை கடமை மட்டுமல்ல, AI-இன் நன்மைகளை அனைவருக்கும் நியாயமான முறையில் பயன்படுத்துவதற்கும் அவசியம்.

ஏ.ஐ பாகுபாட்டை குறைக்கும் நெறிமுறைகள்

அல்காரிதமிக் பாகுபாடு தற்போது பரவலாக அங்கீகாரம் பெற்றதால், அதை குறைக்கும் பல நெறிமுறைகள் மற்றும் சிறந்த நடைமுறைகள் உருவாகியுள்ளன. AI அமைப்புகள் நியாயமான மற்றும் உள்ளடக்கியதாக இருக்க பல கட்டங்களில் நடவடிக்கை எடுக்க வேண்டும்:

• மேம்பட்ட தரவு நடைமுறைகள்: பாகுபாடான தரவு முக்கிய காரணமாக இருப்பதால், தரவு தரத்தை மேம்படுத்துவது முக்கியம். இது பல்வகைமையான, பிரதிநிதித்துவமிக்க பயிற்சி தரவுத்தொகுப்புகளை பயன்படுத்துதல் மற்றும் பாகுபாடு அல்லது குறைவுகளை கவனமாக பரிசோதிப்பதை குறிக்கிறது.
  
  இதில் வரலாற்று பாகுபாடுகளை (எ.கா., இன/பாலின அடிப்படையிலான வேறுபாடுகள்) ஆய்வு செய்து திருத்துதல் அல்லது சமநிலை செய்வதும் அடங்கும். சில குழுக்கள் குறைவாக பிரதிநிதித்துவம் பெற்றிருந்தால், தரவு விரிவாக்கம் அல்லது செயற்கை தரவு போன்ற தொழில்நுட்பங்கள் உதவும்.
  
  NIST ஆராய்ச்சி முக அடையாளத்தில் பல்வகைமையான பயிற்சி தரவு நியாயமான முடிவுகளை உருவாக்க உதவுகிறது என்று கூறியது. AI வெளியீடுகளை தொடர்ச்சியாக கண்காணிப்பதும் பாகுபாடு பிரச்சினைகளை ஆரம்பத்தில் கண்டறிய உதவும் – எதை அளவிடுகிறோமோ அதையே நிர்வகிக்க முடியும். ஒரு நிறுவனம் தனது அல்காரிதமின் முடிவுகள் இனவகை அடிப்படையில் எப்படி மாறுகின்றன என்பதை கடுமையாக கண்காணித்தால், அது நியாயமற்ற மாதிரிகளை கண்டறிந்து சரி செய்ய முடியும்.

• நியாயமான அல்காரிதம் வடிவமைப்பு: உருவாக்குநர்கள் நியாயத்தன்மை கட்டுப்பாடுகள் மற்றும் பாகுபாடு குறைக்கும் தொழில்நுட்பங்களை மாடல் பயிற்சியில் சிந்தனையுடன் சேர்க்க வேண்டும். இது துல்லியத்திற்கே அல்ல, நியாயத்திற்கும் அமைக்கக்கூடிய அல்காரிதம்களை பயன்படுத்துதல் அல்லது குழுக்களுக்கு இடையேயான பிழை விகிதங்களை சமமாக்கும் தொழில்நுட்பங்களை பயன்படுத்துதல் ஆகியவற்றை உள்ளடக்கியதாக இருக்கலாம்.
  
  இப்போது பல கருவிகள் மற்றும் கட்டமைப்புகள் (பல திறந்த மூலமாக) பாகுபாடு சோதனை மற்றும் சரிசெய்தல் செய்ய உதவுகின்றன – உதாரணமாக, தரவை மறுஎடைதல், முடிவு எல்லைகளை மாற்றுதல், அல்லது உணர்வூட்டும் அம்சங்களை கவனமாக நீக்குதல்.
  
  முக்கியமாக, நியாயத்தன்மைக்கு பல கணித வரையறைகள் உள்ளன (எ.கா., சமமான முன்னறிவிப்பு, சமமான தவறான நேர்மறை விகிதங்கள்), சில சமயங்களில் அவை முரண்படுகின்றன. சரியான நியாயத்தன்மை அணுகுமுறையை தேர்வு செய்வது நெறிமுறை தீர்மானம் மற்றும் சூழல் சார்ந்தது, வெறும் தரவு மாற்றம் அல்ல.
  
  ஆகையால், AI குழுக்கள் குறிப்பிட்ட பயன்பாட்டிற்கு நியாயத்தன்மை அளவுகோல்களை வரையறுக்கும் போது துறை நிபுணர்கள் மற்றும் பாதிக்கப்பட்ட சமூகங்களுடன் இணைந்து பணியாற்ற பரிந்துரைக்கப்படுகின்றன.

• மனித கண்காணிப்பு மற்றும் பொறுப்புத்தன்மை: எந்த AI அமைப்பும் மனித பொறுப்பில்லாமல் இயங்கக் கூடாது. மனித கண்காணிப்பு ஒரு இயந்திரம் கற்றுக்கொள்ளக்கூடிய பாகுபாடுகளை கண்டறிந்து திருத்துவதற்கு அவசியம்.
  
  இதன் பொருள் முக்கிய முடிவுகளுக்கு மனிதர்கள் இடையில் இருக்க வேண்டும் – உதாரணமாக, AI-ஆல் தேர்ந்தெடுக்கப்பட்ட விண்ணப்பதாரர்களை ஒரு ஆட்சேர்ப்பு அதிகாரி பரிசீலனை செய்தல், அல்லது ஒரு நீதிபதி AI ஆபத்து மதிப்பீட்டை கவனமாக பரிசீலனை செய்தல்.
  
  இதன் பொருள் பொறுப்புத்தன்மை தெளிவாக ஒதுக்கப்பட வேண்டும்: நிறுவனங்கள் தங்கள் அல்காரிதம்கள் எடுக்கின்ற முடிவுகளுக்கு பணியாளர்களைப் போலவே பொறுப்பானவை என்பதை நினைவில் வைக்க வேண்டும். AI முடிவுகளின் அடிக்கடி ஆய்வுகள், பாகுபாடு தாக்க மதிப்பீடுகள் மற்றும் AI காரணங்களை விளக்கும் திறன் (விளக்கத்தன்மை) அனைத்தும் பொறுப்புத்தன்மையை பராமரிக்க உதவும்.
  
  வெளிப்படைத்தன்மை மற்றொரு முக்கிய அம்சம்: AI அமைப்பு எப்படி செயல்படுகிறது மற்றும் அதன் அறியப்பட்ட வரம்புகள் பற்றி திறந்தவையாக இருப்பது நம்பிக்கையை உருவாக்கி சுயாதீன ஆய்வுக்கு வாய்ப்பு அளிக்கும்.
  
  உண்மையில், சில சட்டப்பூர்வ பிரதேசங்கள் உயர் அபாய அல்காரிதம்கள் தொடர்பான முடிவுகளுக்கு வெளிப்படைத்தன்மையை கட்டாயப்படுத்த முன்னேறி வருகின்றன (உதாரணமாக, பொதுமக்கள் மீது பாதிப்புள்ள முடிவுகளில் அல்காரிதம்கள் எப்படி பயன்படுத்தப்படுகின்றன என்பதை அரசு அமைப்புகள் வெளிப்படுத்த வேண்டும்). நோக்கம் AI மனித முடிவெடுப்பை மேம்படுத்தும் ஆதரவு அளிக்க வேண்டும், நெறிமுறை தீர்மானம் அல்லது சட்ட பொறுப்பை மாற்றக்கூடாது.

• பல்துறை குழுக்கள் மற்றும் உள்ளடக்கிய வளர்ச்சி: AI உருவாக்குநர்கள் மற்றும் பங்குதாரர்களில் பல்துறை தன்மையின் மதிப்பு அதிகரித்து வருகிறது. AI தயாரிப்புகள் அதை உருவாக்குபவர்களின் பார்வைகள் மற்றும் புறக்கணிப்புகளை பிரதிபலிக்கின்றன.
  
  ஆகவே, ஒரே பாலினம், ஒரே இனம் அல்லது ஒரே கலாச்சார பின்னணி கொண்ட குழு AI அமைப்பை வடிவமைத்தால், அது மற்றவர்களுக்கு நியாயமற்ற பாதிப்புகளை ஏற்படுத்தும் விதமாக இருக்கலாம்.
  
  பெண்கள், இனக் குறைந்தபட்சங்கள் மற்றும் சமூக அறிவியல் அல்லது நெறிமுறை நிபுணர்கள் போன்ற பல்வேறு குரல்களை வடிவமைப்பு மற்றும் சோதனை செயல்முறையில் சேர்ப்பது கலாச்சார விழிப்புணர்வான AI-க்கு வழிவகுக்கும்.
  
  யுனெஸ்கோ சமீபத்திய தரவுகளின்படி, AI துறையில் பெண்கள் மிகக் குறைவாக உள்ளனர் (தொழில்நுட்ப AI பணியாளர்களில் சுமார் 20% மற்றும் AI ஆராய்ச்சியாளர்களில் 12% பெண்கள்). பிரதிநிதித்துவத்தை அதிகரிப்பது வேலைநிறுத்த சமத்துவம் மட்டுமல்ல, AI முடிவுகளை மேம்படுத்துவதற்கும் முக்கியம்: பல்துறை குழுக்கள் இல்லாமல் AI அமைப்புகள் பல்வேறு பயனர்களின் தேவைகளை பூர்த்தி செய்யவோ அனைவரின் உரிமைகளை பாதுகாக்கவோ முடியாது.
  
  யுனெஸ்கோவின் Women4Ethical AI தளம் போன்ற முயற்சிகள் பல்துறை தன்மையை ஊக்குவித்து, பாகுபாடில்லாத AI வடிவமைப்புக்கான சிறந்த நடைமுறைகளை பகிர்கின்றன.

• ஒழுங்குமுறை மற்றும் நெறிமுறை வழிகாட்டிகள்: அரசுகள் மற்றும் சர்வதேச அமைப்புகள் தற்போது AI பாகுபாட்டை சமாளிக்க நடவடிக்கை எடுக்கின்றன. 2021-ல், யுனெஸ்கோ உறுப்பினர் நாடுகள் கைமுறை நுண்ணறிவின் நெறிமுறைகள் தொடர்பான பரிந்துரையை ஒன்றுமித்தமாக ஏற்றுக்கொண்டன – இது AI நெறிமுறைகளுக்கான முதல் உலகளாவிய கட்டமைப்பு.
  
  இது வெளிப்படைத்தன்மை, நியாயத்தன்மை மற்றும் வேறுபாடு இல்லாத தன்மை கொள்கைகளை உறுதிப்படுத்துகிறது மற்றும் AI அமைப்புகளின் மனித கண்காணிப்பின் முக்கியத்துவத்தை வலியுறுத்துகிறது. இந்த கொள்கைகள் நாடுகள் AI தொடர்பான கொள்கைகள் மற்றும் சட்டங்களை உருவாக்க வழிகாட்டுகின்றன.
  
  அதேபோல், ஐரோப்பிய ஒன்றியத்தின் புதிய AI சட்டம் (2024-ல் முழுமையாக அமல்படுத்தப்பட உள்ளது) பாகுபாடு தடுப்பை முன்னுரிமையாகக் கொண்டுள்ளது. AI சட்டத்தின் முக்கிய நோக்கங்களில் ஒன்று உயர் அபாய AI அமைப்புகளில் வேறுபாடு மற்றும் பாகுபாட்டை குறைப்பது ஆகும்.
  
  வேலைவாய்ப்பு, கடன், சட்ட அமலாக்கம் போன்ற நுணுக்கமான துறைகளில் பயன்படுத்தப்படும் அமைப்புகள் நியாயத்தன்மைக்கான கடுமையான மதிப்பீடுகளுக்கு உட்பட வேண்டும் மற்றும் பாதுகாக்கப்பட்ட குழுக்களுக்கு அதிக பாதிப்பை ஏற்படுத்தக்கூடாது.
  
  கொள்கை மீறல்கள் கடுமையான அபராதங்களுக்கு வழிவகுக்கும், இது நிறுவனங்களுக்கு பாகுபாடு கட்டுப்பாடுகளை உருவாக்க வலுவான ஊக்கத்தை வழங்கும்.
  
  பரந்த ஒழுங்குமுறைகளுக்கு மேலாக, சில உள்ளூர் அரசுகள் குறிப்பிட்ட நடவடிக்கைகள் எடுத்துள்ளன – உதாரணமாக, சான் பிரான்சிஸ்கோ, போஸ்டன் மற்றும் மினியாப்பொலிஸ் உள்ளிட்ட பன்னிரண்டு முக்கிய நகரங்கள் முக அடையாள தொழில்நுட்பத்தை காவல் துறையில் பயன்படுத்துவதை முழுமையாக தடை செய்துள்ளன, இதன் இனவகை பாகுபாடு மற்றும் சிவில் உரிமை அபாயங்கள் காரணமாக.
  
  தொழில் தரப்பில், தரநிலைகள் அமைப்புகள் மற்றும் தொழில்நுட்ப நிறுவனங்கள் வழிகாட்டிகள் வெளியிட்டு, AI உருவாக்கத்தில் நெறிமுறைகளை உள்ளடக்க உதவும் கருவிகள் (நியாயத்தன்மை கருவிகள் மற்றும் ஆய்வு கட்டமைப்புகள்) உருவாக்கி வருகின்றன.
  
  “நம்பகமான AI” நோக்கத்தில் இந்த முயற்சிகள் ஒன்றிணைந்து, AI அமைப்புகள் சட்டபூர்வமான, நெறிமுறை மற்றும் வலுவான முறையில் செயல்படுவதை உறுதிப்படுத்துகின்றன.

>>> நீங்கள் அறிய விரும்புகிறீர்களா:

ஏ.ஐ வேலைகளுக்கு ஏற்படுத்தும் தாக்கம்

ஏ.ஐ மற்றும் அல்காரிதமிக் பாகுபாடு என்பது உலகளாவிய சவால், இதனை நாம் தற்போது மட்டுமே திறம்பட சமாளிக்கத் தொடங்கியுள்ளோம். மேலே உள்ள உதாரணங்கள் மற்றும் முயற்சிகள் AI பாகுபாடு ஒரு சிறிய பிரச்சினை அல்ல என்பதை தெளிவுபடுத்துகின்றன – இது உலகளாவிய பொருளாதார வாய்ப்புகள், நீதி, சுகாதாரம் மற்றும் சமூக ஒற்றுமையை பாதிக்கிறது.

நல்ல செய்தி என்னவெனில், விழிப்புணர்வு மிக அதிகரித்து உள்ளது, மற்றும் AI மனித மையமாகவும் நியாயமானதாகவும் இருக்க வேண்டும் என்ற ஒப்புதல் உருவாகி வருகிறது.

இதனை அடைய தொடர்ந்து கவனமாக இருக்க வேண்டும்: AI அமைப்புகளை பாகுபாடு குறைவாக சோதித்தல், தரவு மற்றும் அல்காரிதம்களை மேம்படுத்தல், பல்துறை பங்குதாரர்களை ஈடுபடுத்தல் மற்றும் தொழில்நுட்ப வளர்ச்சியுடன் ஒத்துப்போகும் ஒழுங்குமுறைகளை புதுப்பித்தல்.

அல்காரிதமிக் பாகுபாட்டை எதிர்க்கும் முயற்சி சமத்துவம் மற்றும் நியாயத்தன்மை என்ற நமது மதிப்புகளுடன் AI-ஐ இணைப்பதற்கானது. யுனெஸ்கோ இயக்குநர்-பொறுப்பாளர் ஆட்ரி அசுலே கூறியபடி, “[AI] உள்ளடக்கத்தில் சிறிய பாகுபாடுகளும் உண்மையான உலகில் சமத்துவமற்ற நிலைகளை பெரிதும் அதிகரிக்கக்கூடும்”.

ஆகையால், பாகுபாடில்லாத AI-ஐ நோக்கி முயற்சிப்பது தொழில்நுட்பம் பழைய முன்னுரிமைகளை வலுப்படுத்தாமல் சமூகத்தின் அனைத்து பகுதிகளையும் உயர்த்துவதை உறுதிப்படுத்துவதற்கான முக்கியம்.

AI வடிவமைப்பில் நெறிமுறை கொள்கைகளை முன்னுரிமை அளித்து – அவற்றை konkreடான நடவடிக்கைகள் மற்றும் கொள்கைகளால் ஆதரித்து – நாம் AI-இன் புதுமை சக்தியை மனித மரியாதையை பாதுகாப்பதுடன் பயன்படுத்த முடியும்.

எதிர்காலம் AI-க்கு மனிதர்களின் சிறந்த மதிப்புகளிலிருந்து கற்றுக்கொள்ளும் ஒரு பாதையாக இருக்க வேண்டும், நமது மோசமான பாகுபாடுகளை அல்ல, தொழில்நுட்பம் உண்மையில் அனைவருக்கும் பயனுள்ளதாக அமைய.