Licenca
To delo je na voljo pod pogoji slovenske licence Creative Commons 2.5:
priznanje avtorstva - nekomercialno - deljenje pod enakimi pogoji.
Celotna licenca je na voljo na spletu na naslovu http://creativecommons.org/licenses/by-nc-sa/2.5/si/. V skladu s to licenco je dovoljeno vsakemu uporabniku delo razmnoževati, distribuirati, javno priobčevati, dajati v najem in tudi predelovati, vendar samo v nekomercialne namene in ob pogoju, da navede avtorja oziroma avtorje in izdajatelja tega dela. Če uporabnik delo predela, kar pomeni, da ga spremeni, preoblikuje, prevede ali uporabi to delo v svojem delu, lahko predelavo dela ponudi na voljo le pod pogoji, ki so enaki pogojem iz te licence oziroma pod enako licenco.
Pristranskost
Pristranskost (ang. bias) pomeni imeti predsodke v odnosu do določene identitete, v pozitivnem ali negativnem smislu, namerno ali nenamerno. Poštenost je nasprotje pristranskosti in se nanaša na pravično obravnavo vseh ljudi, ne glede na njihovo identiteto ali položaj. Zato je treba vzpostaviti in slediti jasno določenim postopkom, če želimo zagotoviti, da bodo vsi obravnavani enako in da bodo imeli enake možnosti.
Aktivnost
Klikni vsako piko, ki jo vidiš na zaslonu, nato klikni gumb »Naslednji korak« za prikaz odgovora.
Sistemi, ki jih je zasnoval človek, pogosto vsebujejo veliko mero pristranskosti in diskriminacije. Vsi ljudje imamo svoja mnenja in tudi predsodke. Lahko bi rekli, da smo tudi ljudje »črne skrinjice«, katerih odločitve je včasih težko razumeti. Toda razvili smo tudi strategije in vzpostavili strukture, ki nam pomagajo, da smo pozorni na takšne prakse in o njih kritično razpravljamo.
Avtomatizirane sisteme včasih dojemamo kot čudežno zdravilo za človeško subjektivnost: algoritmi temeljijo na številkah, le kako bi lahko bili pristranski? Toda algoritmi, ki temeljijo na napačnih podatkih, ne le zaznajo in se naučijo obstoječih predsodkov v zvezi s spolom, raso, kulturo ali invalidnostjo, temveč jih lahko dejansko tudi okrepijo.
Kaj je pristranskost podatkov?
Pristranskost podatkov se pojavi, ko pristranskosti, ki so prisotne v naborih podatkov za usposabljanje in natančno uravnavanje modelov umetne inteligence, negativno vplivajo na obnašanje modela. Modeli UI so programi, ki so bili usposobljeni na naborih podatkov za prepoznavanje določenih vzorcev ali sprejemanje določenih odločitev. Uporabljajo različne algoritme za ustrezne vnose podatkov, da dosežejo naloge ali rezultate, za katere so bili programirani.
Usposabljanje modela umetne inteligence na pristranskih podatkih (ang. bias data), kot je zgodovinska ali reprezentativna pristranskost, bi lahko privedlo do pristranskih ali izkrivljenih rezultatov, ki bi lahko nepravično predstavljali ali drugače diskriminirali določene skupine ali posameznike. Ti vplivi zmanjšujejo zaupanje v umetno inteligenco in organizacije, ki uporabljajo umetno inteligenco. Prav tako lahko povzročijo pravne in regulativne kazni za podjetja.
Pristranskost podatkov je pomemben vidik za panoge z velikimi vložki, kot so zdravstvo, človeški viri in finance, ki vse pogosteje uporabljajo umetno inteligenco za pomoč pri sprejemanju odločitev. Organizacije lahko ublažijo pristranskost podatkov z razumevanjem različnih vrst pristranskosti podatkov in njihovega pojava ter z odkrivanjem, zmanjšanjem in upravljanjem teh pristranskosti v celotnem življenjskem ciklu umetne inteligence.