Q:
యంత్ర అభ్యాసానికి సంబంధించి కొన్ని నైతిక సమస్యలు ఏమిటి?
A:యంత్ర అభ్యాసానికి సంబంధించిన నైతిక సమస్యలు చాలా మెషీన్ లెర్నింగ్ అల్గోరిథంలను కలిగి ఉండవు, కానీ డేటా ఉపయోగించిన విధానం.
ఫేస్‌బుక్‌తో కేంబ్రిడ్జ్ ఎనలిటికా కుంభకోణం, ఒక రాజకీయ కన్సల్టింగ్ సంస్థ వినియోగదారుల జ్ఞానం లేదా సమ్మతి లేకుండా సోషల్ నెట్‌వర్కింగ్ సైట్ నుండి డేటాను ఉపయోగించింది, వినియోగదారు డేటా సేకరణ మరియు వాడకానికి సంబంధించిన చాలా సమస్యలను వివరించింది. అనేక తుది-వినియోగదారు లైసెన్స్ ఒప్పందాలు వినియోగదారుల డేటాను ఎలా ఉపయోగించవచ్చో తెలుపుతుండగా, చాలా మంది సోషల్ మీడియా వినియోగదారులు చక్కటి ముద్రణను చదవకపోవచ్చు.
| ఉచిత డౌన్‌లోడ్: మెషిన్ లెర్నింగ్ మరియు ఎందుకు ఇది ముఖ్యమైనది |
మరొక సమస్య ఏమిటంటే, ఈ యంత్ర అభ్యాస అల్గోరిథంలు “బ్లాక్ బాక్స్‌లు” కావచ్చు, అక్కడ అవి నిజంగా ఎలా పనిచేస్తాయో చూడటం అసాధ్యం. యంత్ర అభ్యాస అల్గోరిథం ఎందుకు నిర్ణయం తీసుకుందో తెలుసుకోవడం అసాధ్యం.
యంత్ర అభ్యాసం యొక్క ఒక ప్రాంతం వైద్య నిర్ధారణలను చేస్తుంది. క్యాన్సర్‌ను కనుగొనడానికి ఒక అల్గోరిథం ఎక్స్‌రేలను చూడవచ్చు. వారు ఎందుకు రోగ నిర్ధారణ చేశారో మానవ వైద్యుడు వివరించగలడు, కాని రోగికి క్యాన్సర్ ఉందా లేదా అని యంత్ర అభ్యాస అల్గోరిథం ఎలా నిర్ణయించిందో మాకు తెలియదు.
ఓపెన్ సోర్స్ లైసెన్సుల క్రింద యంత్ర అభ్యాస కార్యక్రమాలను విడుదల చేయడం ఒక పరిష్కారం. ప్రజలు ప్రోగ్రామ్ కోసం సోర్స్ కోడ్‌ను చూడగలిగినప్పుడు, అది ఎలా నిర్ణయాలు తీసుకుంటుందో వారు చూడగలరు.
మరొక సమస్య ఏమిటంటే యంత్ర అభ్యాస శిక్షణ డేటా మరియు సాధ్యమైన పక్షపాతం. జాతి మరియు ఇతర పక్షపాతాలు అనుకోకుండా యంత్ర అభ్యాస కార్యక్రమాలలోకి ప్రవేశించిన అనేక ఉదాహరణలు ఉన్నాయి. ఒక అల్గోరిథం నల్లజాతీయులను గొరిల్లాగా గుర్తించింది, మరియు మరొకటి రంగు ప్రజల ముఖ లక్షణాలను మార్చి, వారిని మరింత “యూరోపియన్” గా కనిపించేలా చేసింది.
దీనిని ఎదుర్కోవటానికి ఒక మార్గం AI రంగంలో విభిన్న నేపథ్యాల నుండి ఎక్కువ మందిని కలిగి ఉండటం.
యంత్ర అభ్యాసం మరియు కృత్రిమ మేధస్సు యొక్క సురక్షితమైన ఉపయోగం మరొక సమస్య. AI మరియు మెషీన్ లెర్నింగ్ ప్రోగ్రామ్‌లు ప్రజలు వాటిని ఆపివేయకుండా ఆపడం వంటి ప్రవర్తనను అభివృద్ధి చేయగలవు.
