EL / EN / DE / IT / SL 

AIAE » e-μάθηση » Συνέντευξη 6

Τεχνητή νοημοσύνη και κοινωνικές προκλήσεις

Τα παρακάτω αποσπάσματα συνέντευξης δόθηκαν από τον Simon Delakorda και καλύπτουν τον κοινωνικό αντίκτυπο της ΤΝ με παραδείγματα της καθημερινής ζωής, τις κοινωνικές προκλήσεις της μηχανικής μάθησης και τους ρόλους των θεσμικών οργάνων στον τομέα των κανονισμών ΤΝ.

Μεταγραφή

Γεια σε όλους. Το όνομά μου είναι Simon Delakorda. Είμαι διευθυντής στο Ινστιτούτο για την  Ηλεκτρονική Συμμετοχή από τη Λιουμπλιάνα της Σλοβενίας. Το Ινστιτούτο για την Ηλεκτρονική  Συμμετοχή είναι ένας μη κυβερνητικός οργανισμός που δραστηριοποιείται στον τομέα της κοινωνίας  της πληροφορίας, της ανάπτυξης και της ψηφιοποίησης. Επίσης, ασχολούμαστε με τα θέματα της  τεχνητής νοημοσύνης. Για παράδειγμα, πέρυσι υλοποιήσαμε έναν διάλογο με τους πολίτες, ο οποίος  κάλυπτε επίσης πραγματικά σχετικά θέματα με την ανάπτυξη της τεχνητής νοημοσύνης. Πώς αυτή η  τεχνολογία σχετίζεται με την καθημερινή ζωή των πολιτών.

Quiz question 1/8

Ο συνεντευξιαζόμενος Simon Delakorda είναι διευθυντής του Ινστιτούτου Ηλεκτρονικής Συμμετοχής στη Λιουμπλιάνα, το οποίο είναι ένας μη κερδοσκοπικός οργανισμός που ασχολείται με την ανάπτυξη της κοινωνίας της πληροφορίας. Στο Ινστιτούτο εργάζονται επίσης στον τομέα της ψηφιοποίησης και ασχολούνται με το θέμα της τεχνητής νοημοσύνης.


Quiz question 1/1

You have completed the Quiz!

Loading...

Μεταγραφή

Ξεκινώντας λοιπόν με την πρώτη μου ερώτηση τι είναι η τεχνητή νοημοσύνη και πώς σχετίζεται με  την κοινωνία; Συνήθως η τεχνητή νοημοσύνη περιγράφεται ως μια τεχνική που επιτρέπει στο  υπολογιστικό σύστημα να μιμείται οποιοδήποτε είδος νοημοσύνης. Ίσως αυτό να ακούγεται λίγο  τεχνικό, αλλά ουσιαστικά σημαίνει ότι μια μηχανή είναι ικανή να λύσει ένα συγκεκριμένο πρόβλημα.  Έτσι, κάποιοι αναφέρονται στην τεχνητή νοημοσύνη ως τεχνική προσέγγιση, ενώ άλλοι την ορίζουν  ως τον συνδυασμό λογισμικού, υλικού και δεδομένων. Αλλά σε κάθε περίπτωση, η τεχνητή  νοημοσύνη συμβιβάζει διάφορα εργαλεία και μεθόδους. Για το λόγο αυτό είναι επίσης πολύ δύσκολο  να προσδιοριστεί η τεχνητή νοημοσύνη. Έτσι, προς το παρόν έχουμε αυτούς τους ευρέως αποδεκτούς  ορισμούς, επειδή ειλικρινά μιλώντας δεν γνωρίζουμε ακόμη ούτε καν τι είναι στην πραγματικότητα η  ανθρώπινη νοημοσύνη και πώς να την ορίσουμε σωστά. Μπορείτε λοιπόν να φανταστείτε ότι έχουμε  το ίδιο πρόβλημα και με την τεχνητή νοημοσύνη. Αλλά για να πάμε κατευθείαν στην εμπειρία μας  χωρίς εφαρμογές τεχνητής νοημοσύνης στην καθημερινή ζωή, μπορούμε να δούμε ήδη σήμερα ότι  υπάρχει μεγάλος αριθμός διαφορετικών εφαρμογών που προσφέρουν τεράστια υποστήριξη και  βοηθούν επίσης να κάνουμε τη ζωή μας ευκολότερη. Για παράδειγμα, τα πιο χαρακτηριστικά  παραδείγματα χρήσης της τεχνητής νοημοσύνης στην κοινωνία είναι για παράδειγμα η αναγνώριση  ομιλίας. Πολλοί από εσάς πιθανόν να γνωρίζετε τη θεωρία της Apple ή την Alexa της Amazon που  περιλαμβάνει ευφυή συστήματα και στην πραγματικότητα είναι συστήματα τεχνητής νοημοσύνης για  την αναγνώριση εισροών ομιλίας και με βάση αυτές τις εισροές ομιλίας τα συστήματα αυτά στη  συνέχεια παρέχουν διάφορες υπηρεσίες ή σχόλια για την υλοποίηση διαφόρων εργασιών. Έτσι, το  επόμενο τέτοιο παράδειγμα χρήσης της τεχνητής νοημοσύνης στην κοινωνία, το οποίο είναι αρκετά  διαδεδομένο σήμερα, είναι η εξατομίκευση. Για παράδειγμα, όταν περιηγούμαστε σε διαδικτυακές  πλατφόρμες κοινωνικής δικτύωσης ή σε διαδικτυακές υπηρεσίες ή για παράδειγμα στο Netflix ή στην  Amazon, αυτές οι διαδικτυακές υπηρεσίες χρησιμοποιούν συστήματα τεχνητής νοημοσύνης στο  παρασκήνιο, τα οποία εξατομικεύουν το περιεχόμενο και παρουσιάζουν αυτό το περιεχόμενο  ανάλογα με τις συνήθειες ή τις ανάγκες μας κατά την περιήγηση στο διαδίκτυο. Για παράδειγμα, αν  χρησιμοποιούμε αν ψάχνετε για συγκεκριμένο περιεχόμενο ή προϊόν, τότε με βάση το ιστορικό σας  ή τη συμπεριφορά σας στην αναζήτηση, αυτές οι εφαρμογές σας δίνουν την αναζήτηση που ταιριάζει  με το περιεχόμενο που είναι πιο πιθανό να ταιριάζει στα ενδιαφέροντά σας και σας προτείνεται. Στη  συνέχεια, το τρίτο παράδειγμα χρήσης της τεχνητής νοημοσύνης στην καθημερινή ζωή, το οποίο είναι  επίσης πολύ χρήσιμο για μένα, είναι για παράδειγμα το φιλτράρισμα ηλεκτρονικού ταχυδρομείου.  Όλοι γνωρίζουμε ότι υπάρχουν πολλά ανεπιθύμητα μηνύματα ηλεκτρονικού ταχυδρομείου που  έρχονται στο κύριο γραμματοκιβώτιό μας και μπορούμε να χρησιμοποιήσουμε προγράμματα  τεχνητής νοημοσύνης που μπορούν να διακρίνουν μεταξύ του πραγματικού ηλεκτρονικού  ταχυδρομείου και των σχετικών μηνυμάτων ηλεκτρονικού ταχυδρομείου και των ανεπιθύμητων  μηνυμάτων ηλεκτρονικού ταχυδρομείου στους φακέλους ηλεκτρονικού ταχυδρομείου σας. Και  επίσης, για παράδειγμα, μια συχνή εφαρμογή τεχνητής νοημοσύνης που χρησιμοποιείται σήμερα  είναι επίσης στην υγειονομική περίθαλψη, για παράδειγμα στην κλινική διάγνωση. Στην ιατρική η  τεχνητή νοημοσύνη χρησιμοποιείται όλο και περισσότερο για την υποστήριξη του έργου των γιατρών  στη διάγνωσή τους. Αλλά αυτό για το οποίο μιλάμε σε αυτές τις περιπτώσεις είναι ότι μιλάμε για μια  στενή τεχνητή νοημοσύνη, διότι αυτές είναι οι περιπτώσεις που είναι σε θέση να επιλύσουν πολύ  καλά καθορισμένα και κατά κάποιο τρόπο περιορισμένα προβλήματα, πρακτικά προβλήματα. Αλλά  και εμείς όταν μιλάμε για τεχνητή νοημοσύνη. Μπορούμε επίσης να μιλήσουμε σε αυτή τη γενική  τεχνητή νοημοσύνη η οποία αναφέρεται στο σύστημα που μπορεί να εκτελέσει οποιεσδήποτε  ευφυείς εργασίες που θα μπορεί να εκτελέσει ο άνθρωπος. Φυσικά, αυτό δεν είναι ακόμη  πραγματικότητα. Υπάρχουν κάποιες προβλέψεις για το μέλλον ότι ίσως και η τεχνητή νοημοσύνη να  είναι σε θέση να επιλύει πιο σύνθετες και πιο μεγάλες εργασίες που τώρα προς το παρόν σχετίζονται  μόνο με τον ανθρώπινο τύπο νοημοσύνης. Για να ολοκληρώσουμε λοιπόν αυτή την αρχική εισαγωγή σχετικά με την τεχνητή νοημοσύνη στην κοινωνία, μπορούμε να δούμε ότι υπάρχουν πολλές  εφαρμογές της τεχνητής νοημοσύνης. Ορισμένες από αυτές είναι απίστευτα θετικές, έχουν αντίκτυπο  στην ατομική κοινωνία και στα άτομα και στην κοινωνία και φέρνουν επίσης μεγάλες ευκαιρίες.  Ωστόσο, πρέπει επίσης να γνωρίζουμε ότι η τεχνητή νοημοσύνη μπορεί επίσης να κάνει διακρίσεις  και να θέσει σε μειονεκτική θέση ορισμένες ομάδες ανθρώπων. Γι’ αυτό το λόγο είναι πολύ σημαντικό  να κατανοήσουμε τη σχέση μεταξύ της τεχνητής νοημοσύνης και της κοινωνίας, ιδίως όσον αφορά τη  λογοδοσία, τη μεροληπτική διαφάνεια, την ποιότητα των δεδομένων και άλλα ηθικά προβλήματα  που προκύπτουν από τη χρήση της τεχνητής νοημοσύνης.

Quiz question 1/8

  1. Τι μπορεί να κάνει ένα μηχάνημα με AI ; Να λύσει ένα συγκεκριμένο πρόβλημα.
  2. Γνωρίζουμε τον ακριβή ορισμό της τεχνητής νοημοσύνης; Όχι, δεν το γνωρίζουμε.
  3. Τι είδους αποτελέσματα λαμβάνουμε με τη βοήθεια της ΤΝ όταν χρησιμοποιούμε ένα πρόγραμμα περιήγησης; Εξατομικευμένο.
  4. Τι κάνει η ΤΝ σχετικά με ανεπιθύμητα μηνύματα ηλεκτρονικού ταχυδρομείου στις υπηρεσίες ηλεκτρονικού ταχυδρομείου; Τα φιλτράρει.
  5. Τι είδους προβλήματα επιλύει η στενή τεχνητή νοημοσύνη; Πολύ καλά καθορισμένα προβλήματα.
  6. Τι είδους εργασία μπορεί να εκτελέσει ένα γενικό έργο ΤΝ; Έργο ανθρώπινης νοημοσύνης.
  7. Θα μπορούσε η τεχνητή νοημοσύνη στο μέλλον να λύσει πιο σύνθετα προβλήματα από ό,τι μπορεί ένας άνθρωπος; Ναι.
  8. Ποια μπορεί να είναι η αρνητική συνέπεια της τεχνητής νοημοσύνης στην κοινωνία; Διακρίσεις σε περιπτώσεις όπου η ανθρώπινη προκατάληψη μεταφέρεται στους αλγόριθμους ενός συστήματος τεχνητής νοημοσύνης.

Quiz question 1/1

You have completed the Quiz!

Loading...

Μεταγραφή

Έτσι τώρα η επόμενη άποψη ή το επόμενο θέμα που αφορά την τεχνητή νοημοσύνη στο οποίο θα  ήθελα να εστιάσω είναι οι κοινωνικές προκλήσεις της μηχανικής μάθησης. Πρώτα απ’ όλα, τι είναι η  μηχανική μάθηση; Η μηχανική μάθηση αναφέρεται σε αλγορίθμους και τεχνικές που μαθαίνουν από  μόνες τους, οι οποίες έρχονται αντιμέτωπες με δεδομένα, παρατηρήσεις και αλληλεπιδράσεις με τον  περιβάλλοντα κόσμο. Βασικά, η μηχανική μάθηση αφορά αλγορίθμους. Βασίζεται στους αλγόριθμους  και οι αλγόριθμοι είναι απλά καθορισμένες οδηγίες για το πώς να επιλύονται εργασίες. Και τώρα,  όταν συσχετίζουμε τους αλγορίθμους με τη μηχανική μάθηση σημαίνει ότι ένας συγκεκριμένος τύπος  αλγορίθμου μπορεί να μαθευτεί, αλλά όχι από τους ανθρώπινους προγραμματιστές, αλλά από τους  ίδιους τους εαυτούς τους. Αυτό σημαίνει ότι η μηχανική μάθηση μαθαίνει από μόνη της με τη χρήση  στατιστικής προσέγγισης. Και συνήθως υπάρχουν δύο φάσεις της μηχανικής μάθησης. Η πρώτη φάση  είναι ότι οι αλγόριθμοι μηχανικής μάθησης εκπαιδεύονται με τη χρήση δεδομένων, με τη χρήση της  διαδικασίας εκπαίδευσης. Και το αποτέλεσμα αυτής της διαδικασίας είναι το μοντέλο μηχανικής  μάθησης. Και στη δεύτερη φάση, αυτό το μοντέλο μηχανικής μάθησης εφαρμόζεται στον επιθυμητό  τομέα εφαρμογής. Η ιδέα είναι ότι αυτό το μοντέλο μηχανικής μάθησης επιλύει στη συνέχεια ένα  πρόβλημα που θα θέλαμε να αντιμετωπίσουμε. Για παράδειγμα, μοντέλα μηχανικής μάθησης για την  πρόβλεψη αν ένας ασθενής έχει καρκίνο, όγκο ή μοντέλο μηχανικής μάθησης, ή για την πρόβλεψη  του πώς θα συμπεριφερθούν τα χρηματιστήρια στο μέλλον. Βέβαια, υπάρχουν και κάποια ζητήματα  που αφορούν τη μηχανική μάθηση, επειδή η μηχανική μάθηση μπορεί να έχει σοβαρό αντίκτυπο στη  ζωή των ανθρώπων και ειδικά όταν μπορεί να υπάρξουν σφάλματα στη μηχανική μάθηση, τα οποία  μπορεί να συμβούν κατά τη συλλογή δεδομένων, την προετοιμασία των δεδομένων ή κατά τη  διαδικασία εκπαίδευσης. Και επίσης μπορεί να έχουμε ζητήματα όταν παρερμηνεύουμε τα  αποτελέσματα της διαδικασίας μηχανικής μάθησης. Εξετάζοντας το κοινωνικό επίπεδο, ένας μεγάλος  κίνδυνος είναι ότι τα δεδομένα εκπαίδευσης που χρησιμοποιούνται για τη διαδικασία εκπαίδευσης  της μηχανικής μάθησης θεωρούνται τέλεια. Γνωρίζουμε όμως ότι τα τέλεια σύνολα δεδομένων θα  απαιτούσαν όλους τους πιθανούς παράγοντες που συνιστούν ή επηρεάζουν την κατάσταση την οποία  αντιμετωπίζουμε. Για να σημαίνει ότι είναι πολύ δύσκολο να εκπαιδευτεί αλγόριθμος, που  χρησιμοποιούν όλα τα δεδομένα από την πολύπλοκη κοινωνία. Και ως αποτέλεσμα αυτών των  ατελών δεδομένων τα οποία στη συνέχεια εφαρμόζονται στον αλγόριθμο μηχανικής μάθησης, μπορεί  να συμβεί τα αποτελέσματα να είναι πολύ απλοποιημένα και μια κατάσταση που αντιμετωπίζουν να  έχει μόνο έναν περιορισμένο αριθμό παραγόντων που λαμβάνονται υπόψη. Το αποτέλεσμα αυτού  είναι ότι η μηχανική μάθηση μπορεί να οδηγήσει σε μεροληπτική πρόβλεψη, ιδίως για τις  μειονεκτούσες κοινωνικές ομάδες που δεν είναι τόσο παρούσες στα δεδομένα ή στην κοινωνία στο  σύνολό της και εκπροσωπούνται λιγότερο στο σύνολο των δεδομένων. Για την περίπτωση της  μεροληψίας στη μηχανική μάθηση, αυτό σημαίνει ότι τα μεροληπτικά δεδομένα θα οδηγήσουν  επίσης σε μεροληπτική πρόβλεψη. Αυτό ισχύει για την περίπτωση που πρόκειται για τα σπάνια  φαινόμενα ή τα κοινωνικά συμφραζόμενα που είναι δύσκολο να ποσοτικοποιηθούν. Αυτό σημαίνει  ότι πρέπει πραγματικά να έχουμε μεγάλη επίγνωση αυτών των ιδιαιτεροτήτων με την κοινωνία που  δεν φαίνονται ή δεν περιλαμβάνονται στα αποτελέσματα της μηχανικής μάθησης. Επειδή η μηχανική  μάθηση λειτουργεί στην πραγματικότητα με βάση τα πρότυπα. Και αν αυτά τα μοτίβα δεν  παρουσιάζουν περιστατικά ή είναι κακής ποιότητας, μπορεί να έχουμε πολύ προκατειλημμένα και  φτωχά αποτελέσματα.

Quiz question 1/8

Σε αντίθεση με την ανθρώπινη λειτουργία, δεν υπάρχουν σφάλματα στη μηχανική μάθηση.




Quiz question 1/8

Στη μηχανική μάθηση μπορεί να γίνει λάθος κατά τη συλλογή και προετοιμασία δεδομένων.




Quiz question 1/8

Δεν μπορεί να υπάρξει παρερμηνεία των αποτελεσμάτων στη μηχανική μάθηση.




Quiz question 1/8

Είναι πολύ δύσκολο να εκπαιδεύσετε έναν αλγόριθμο που χρησιμοποιεί τεράστιο όγκο δεδομένων από την κοινωνία.




Quiz question 1/8

Ένα από τα προβλήματα με τη μηχανική μάθηση είναι η υπεραπλούστευση των αποτελεσμάτων.




Quiz question 1/8

Με τη μηχανική μάθηση αποφεύγουμε να κάνουμε διακρίσεις σε ένα μέρος του πληθυσμού που δεν περιλαμβάνεται συχνά σε βάσεις δεδομένων.




Quiz question 1/8

Τα προκατειλημμένα αποτελέσματα είναι συνέπεια των περικομμένων προτύπων στην κοινωνία.




Quiz question 1/1

You have completed the Quiz!

Loading...

Μεταγραφή

Τώρα λοιπόν πώς να αποφύγουμε ή πώς να αντιμετωπίσουμε αυτές τις προκαταλήψεις, αυτά τα  ηθικά ζητήματα με τη μηχανική μάθηση και την τεχνητή νοημοσύνη σε διεθνές επίπεδο, αλλά και σε  επίπεδο εθνικών χωρών, εθνικών κρατών. Γίνεται τεράστια συζήτηση για το πώς θα δημιουργηθεί  ένα σύστημα που θα διέπει, που θα ρυθμίζει τη χρήση της τεχνητής νοημοσύνης στην κοινωνία και  φυσικά για τον αντίκτυπο που έχει αυτή η τεχνολογία στην κοινωνία. Και το κύριο ερώτημα εδώ είναι  ποιος είναι υπεύθυνος αν συμβεί κάτι με την τεχνητή νοημοσύνη; Κάτι πάει στραβά αν υπάρχουν  λάθη. Ποιος είναι λοιπόν υπεύθυνος, υπόλογος για τα αποτελέσματα της χρήσης της τεχνητής  νοημοσύνης, πώς θα αντιμετωπιστεί όταν υπάρχει ατύχημα, αν υπάρχει λάθος διάγνωση ή αν  κάποιος αποσυνδέεται εξαιτίας της τεχνητής νοημοσύνης. Η UNESCO, δηλαδή ο Οργανισμός των  Ηνωμένων Εθνών, εργάζεται πολύ ενεργά πάνω σε προτάσεις πολιτικής για το πώς θα διαμορφωθεί  η διακυβέρνηση της τεχνητής νοημοσύνης. Και παρείχαν ένα σύνολο προτάσεων πολιτικής και  προτάσεων πολιτικής που ασχολούνται με διάφορες πτυχές της διακυβέρνησης των τεχνητών  παραγόντων. Τώρα θα παρουσιάσω εν συντομία αυτές τις πτυχές που θεωρώ ότι είναι πολύ  σημαντικές και μπορούν επίσης να χρησιμοποιηθούν ως κατευθυντήριες γραμμές για την κατανόηση  του τι πρέπει να γνωρίζουμε ως κοινωνία και ως άτομα όταν σκεφτόμαστε τον αντίκτυπο της τεχνητής  νοημοσύνης στην κοινωνία. Πρώτα απ’ όλα, η πρώτη πτυχή που είναι σημαντική είναι ότι η τεχνητή  νοημοσύνη προωθεί την ποικιλομορφία και τη συμμετοχικότητα. Αυτό σημαίνει ότι η τεχνητή  νοημοσύνη πρέπει να λειτουργεί σε σχέση με την καταπολέμηση της κουλτούρας και των κοινωνικών  τύπων δοκιμαστών. Και οι ανισότητες αυτό είναι σημαντικό για αυτές τις προκαταλήψεις όταν τα  πρότυπα μηχανικής μάθησης, σε περίπτωση που βασίζονται στα φτωχά δεδομένα, μπορούν συχνά  να κάνουν διακρίσεις και μπορούν επίσης να επιβάλουν τα αντιστεκόμενα στερεότυπα. Αυτό  συμβαίνει για παράδειγμα με τα τεχνητά συστήματα αναγνώρισης προσώπου, τα οποία έχουν ήδη  αποδειχθεί επιστημονικά ότι μεροληπτούν συχνότερα προς τα πολύχρωμα πρόσωπα παρά προς τα  λευκά πρόσωπα. Στη συνέχεια, η δεύτερη σημαντική πτυχή είναι ο αντίκτυπος της τεχνητής  νοημοσύνης στην οικονομία, στην απασχόληση. Υπάρχουν διαφορετικές ερμηνείες για το πώς οι  εφαρμογές τεχνητής νοημοσύνης θα συμβάλουν στην απώλεια συγκεκριμένων θέσεων εργασίας.  Πολλές θα είναι οι θέσεις εργασίας που δεν θα είναι πλέον απαραίτητες και αυτό θα έχει αντίκτυπο  στις διάφορες ομάδες εργασίας. Και η τεχνητή νοημοσύνη, ειδικά η οικονομία με υψηλά ποσοστά  κίνησης, θα πρέπει να λάβει υπόψη της μέτρα αναβάθμισης και επανεκπαίδευσης που θα  επιτρέψουν στους εργαζόμενους ή τους εργαζόμενους που θα επηρεαστούν αρνητικά από την  τεχνητή νοημοσύνη να παραμείνουν μέρος της αγοράς εργασίας. Στη συνέχεια, το τρίτο σημαντικό  πράγμα είναι η αντιμετώπιση των κοινωνικών και οικονομικών επιπτώσεων της τεχνητής  νοημοσύνης. Αυτό σημαίνει ότι η τεχνητή νοημοσύνη δεν πρέπει να δημιουργεί μονοπώλια όσον  αφορά την έρευνα, τη γνώση, τα δεδομένα ή την αγορά, ότι δεν πρόκειται να επωφεληθούν από αυτή  την τεχνολογία κάποιοι συγκεκριμένοι ενδιαφερόμενοι ή χώρες ή περιοχές, αλλά η ανθρωπότητα στο  σύνολό της. Επίσης, τότε μια λογική άποψη είναι επίσης ο αντίκτυπος στον πολιτισμό και στο  περιβάλλον. Αυτό σημαίνει ότι η τεχνητή νοημοσύνη δεν έχει αρνητικές επιπτώσεις στον πολιτισμό,  την ποικιλομορφία, την αναπτυξιακή κληρονομιά και επίσης στο περιβάλλον. Και στη συνέχεια  υπάρχει ένα σύνολο τεσσάρων ή πέντε απόψεων που στην πραγματικότητα όλες ασχολούνται με την  ηθική της τεχνητής νοημοσύνης. Η ηθική της τεχνητής νοημοσύνης είναι πολύ σημαντική όσον αφορά  τη δημιουργία ενός αξιακού υπόβαθρου στο οποίο αναπτύξαμε την τεχνητή νοημοσύνη. Και  υπάρχουν και εκείνες οι πτυχές της ηθικής που αφορούν την εκπαίδευση και την ευαισθητοποίηση,  που σημαίνει ότι η τεχνητή νοημοσύνη πρέπει να διδάσκεται στα σχολεία και τα πανεπιστήμια, ώστε  οι μαθητές και οι φοιτητές να εξοικειωθούν με την τεχνολογία της τεχνητής νοημοσύνης. Και ποια  είναι αυτή η σχέση μεταξύ του τεχνολογικού και του κοινωνικού τομέα. Και επίσης πολύ σημαντική  είναι η άποψη σχετικά με τη δεοντολογία της έρευνας για την τεχνητή νοημοσύνη, που σημαίνει ότι  υπάρχει έρευνα, ιδίως στον ιδιωτικό τομέα, η οποία χρηματοδοτείται από ιδιωτικά χρήματα που λαμβάνουν υπόψη την κοινωνική ευθύνη. Επίσης, τα οφέλη της έρευνας όσον αφορά την  ανθρωπότητα, όχι μόνο την αγορά και το συμφέρον για το κέρδος, τότε είναι επίσης μια σημαντική  πτυχή της ηθικής χρήσης της τεχνητής νοημοσύνης. Στην ανάπτυξη, που σημαίνει ότι η τεχνητή  ανάπτυξη θα πρέπει να προσπαθήσει να παρέχει πλατφόρμες που επιτρέπουν τη διεθνή συνεργασία  για την ανάπτυξη της τεχνητής νοημοσύνης. Που σημαίνει ότι η ανάπτυξη της τεχνητής νοημοσύνης  δεν αφορά μόνο τις πλούσιες χώρες, αλλά ότι οι εξελίξεις αυτές εφαρμόζονται και στις φτωχότερες  χώρες που δεν είναι τόσο πλούσιες. Και από αυτή την πολύ σημαντική πτυχή είναι να  δημιουργήσουμε ένα είδος διεθνούς συνεργασίας για την ηθική της τεχνητής νοημοσύνης. Για  παράδειγμα, το φόρουμ της UNESCO είναι ένα πολύ καλό παράδειγμα για αυτό, όταν διάφορες χώρες  με διαφορετικούς ενδιαφερόμενους φορείς συζητούν για το μέλλον της τεχνητής νοημοσύνης και για  το πώς θα τη ρυθμίσουν από την άποψη της ηθικής και της αξίας για την ανάπτυξη της κοινωνίας. Και  από αυτό είναι πολύ σημαντικό να υπάρχει επίσης ένα είδος κυβερνητικού μηχανισμού που να  επιβλέπει την ανάπτυξη της τεχνητής νοημοσύνης σε παγκόσμιο επίπεδο με όρους  συμμετοχικότητας, διαφάνειας, ελέγχου και εξισορρόπησης. Αυτά είναι πολύ σημαντικά, καθώς και  η πολυμερής συνεργασία. Αυτοί οι κυβερνητικοί μηχανισμοί αναφέρονται στο ψηφιακό οικοσύστημα  για την τεχνητή νοημοσύνη, το οποίο περιλαμβάνει υποδομές, ψηφιακές τεχνολογίες, επιλογές  ανταλλαγής γνώσεων και κυρίως συνεργασία με διάφορους ενδιαφερόμενους φορείς ώστε να έχουν  φωνή και να μπορούν να μοιράζονται τις σκέψεις και τις ανησυχίες τους για το πώς θα αναπτυχθεί η  τεχνητή νοημοσύνη στο μέλλον.

Quiz question 1/8

Ναι.
Όχι
 

Είναι η θέσπιση αρχών για τη ρύθμιση της χρήσης της τεχνητής νοημοσύνης μία από τις προτεινόμενες λύσεις για την αποφυγή των πιθανών αρνητικών συνεπειών της τεχνητής νοημοσύνης;


Είναι αλήθεια ότι στην περίπτωση ενός σφάλματος AI, το κύριο πρόβλημα είναι ο καθορισμός του ποιος είναι υπεύθυνος για αυτό;


Είναι υπεύθυνη η UNESCO για τη διαχείριση της τεχνητής νοημοσύνης;


Η ενσωμάτωση των αρχών της διαφορετικότητας και της συμμετοχικότητας στην τεχνητή νοημοσύνη θα αύξανε περαιτέρω τις διακρίσεις και την ανισότητα στην κοινωνία;


Ακολουθώντας την πρόταση της UNESCO για ποικιλομορφία και συμμετοχικότητα στην τεχνητή νοημοσύνη, αποφεύγουμε τα λάθη που προκαλούνται από τα κακά δεδομένα;


Η αρχή της UNESCO για τα οικονομικά αναφέρεται κυρίως σε ζητήματα απασχόλησης ως συνέπεια της τεχνητής νοημοσύνης;


Μπορεί η τεχνητή νοημοσύνη να έχει αρνητικό αντίκτυπο στον πολιτισμό, την ποικιλομορφία, την ανάπτυξη, την κληρονομιά και το περιβάλλον;


Πρέπει οι έννοιες της τεχνητής νοημοσύνης να διδάσκονται σε σχολεία και πανεπιστήμια προκειμένου να αυξηθεί η ευαισθητοποίηση σχετικά με τη σχέση μεταξύ τεχνητής νοημοσύνης και κοινωνίας;


Οι πλατφόρμες διεθνούς συνεργασίας φέρνουν τη δυνατότητα ανάπτυξης της τεχνητής νοημοσύνης πιο κοντά στις φτωχότερες χώρες;


Οι μηχανισμοί διακυβέρνησης μπορούν να ρυθμίσουν την σωστή ανάπτυξη της τεχνητής νοημοσύνης, δηλαδή τη συμμετοχικότητα, τη διαφάνεια, την πολυμερή συνεργασία σε παγκόσμιο επίπεδο;



Quiz question 1/1

You have completed the Quiz!

Loading...

Μεταγραφή

Έτσι και η τελευταία μου άποψη για την τεχνητή νοημοσύνη σχετίζεται με αυτό που θα ήθελα να  μοιραστώ σήμερα σχετικά με το ρόλο των οργανώσεων της κοινωνίας των πολιτών, ιδιαίτερα το ρόλο  των μη κυβερνητικών οργανώσεων. Νομίζω ότι ο ρόλος των μη κυβερνητικών οργανισμών στην  εφαρμογή της τεχνητής νοημοσύνης είναι πολύ σημαντικός από την άποψη της επεξήγησης στους  πολίτες, στους ανθρώπους, στους χρήστες, στους καθημερινούς ανθρώπους για το πώς αυτή η  τεχνολογία επηρεάζει τη ζωή τους, ιδίως όσον αφορά την εμπιστοσύνη στην τεχνητή νοημοσύνη.  Επίσης, από την άποψη της βοήθειας να κατανοήσουν τις εφαρμογές και τον αντίκτυπο στην  καθημερινή ζωή των πολιτών, επειδή υπάρχουν διαφορετικές ερμηνείες και φόβοι και ίσως αβάσιμες  αρνητικές, η σχέση τους προς την τεχνητή νοημοσύνη, οι οποίες είναι απαραίτητο να συζητηθούν, να  μάθουν,να εκπαιδευτούν σε αξιόπιστα περιβάλλοντα και οι μη κυβερνητικές οργανώσεις με τα μέλη  τους, με τις εθελοντικές δραστηριότητές τους είναι ένας σύνδεσμος συχνά μεταξύ της έρευνας  υψηλής τεχνολογίας και των καθημερινών ανθρώπων, επειδή οι άνθρωποι έχουν εμπιστοσύνη στις  μη κυβερνητικές οργανώσεις. Και λόγω των πληροφοριών τους, και των εκπαιδευτικών τους  δραστηριοτήτων, μπορούν να βοηθήσουν τους πολίτες να κατανοήσουν ποιες είναι οι αρνητικές και  θετικές επιπτώσεις της τεχνητής νοημοσύνης. Αυτός είναι ένας από τους ρόλους των ΜΚΟ. Και ο  δεύτερος ρόλος των ΜΚΟ είναι ότι ενεργούν ως παρατηρητές. Λειτουργούν όχι ακριβώς ως εποπτικό  όργανο, αλλά ως κάποιος που δίνει προσοχή στις πιθανές διακρίσεις, στην παραβίαση των  ανθρωπίνων δικαιωμάτων ή στην αρνητική χρήση της τεχνητής νοημοσύνης, η οποία μπορεί να  οδηγήσει σε διακρίσεις, που μπορεί να οδηγήσει σε χειρότερες συνθήκες, για ομάδες μεταναστών,  για συγκεκριμένες κοινωνικές ομάδες όπως οι μετανάστες ή οι γυναίκες ή οι κοινωνικά ευάλωτες  ομάδες που δεν εκπροσωπούνται στην κοινωνία όσο άλλες κοινωνικές ομάδες. Και οι ΜΚΟ πρέπει να  αναλάβουν το ρόλο της διαφύλαξης των δικαιωμάτων τους και επίσης να αγωνιστούν για τα  ανθρώπινα δικαιώματα όταν βλέπουν ότι η τεχνητή νοημοσύνη πρόκειται να γεφυρώσει αυτά τα  πρότυπα. Νομίζω ότι αυτοί είναι οι δύο βασικοί κανόνες των ΜΚΟ σχετικά με την τεχνητή νοημοσύνη.  Υπάρχουν δύο δευτερεύοντες ρόλοι. Ο ένας είναι επίσης οι ΜΚΟ ως συνηθισμένοι χρήστες της  τεχνητής νοημοσύνης, ειδικά εκείνες οι ΜΚΟ που παράγουν μεγάλα δεδομένα σχετικά με την  κοινωνία, και στη συνέχεια μπορούν να χρησιμοποιήσουν αυτή τη μηχανική μάθηση, ως εργαλεία για  να παρέχουν κάποια συμπεράσματα, να επιλύουν προβλήματα, να δημιουργούν οπτικοποίηση σε  διάφορες πτυχές της κοινωνίας. Και ο δεύτερος ρόλος που είναι επίσης σημαντικός είναι ότι οι  ενδιαφερόμενοι φορείς ενεργούν ως πολιτικοί παράγοντες, δηλαδή συμμετέχουν σε φόρουμ,  συνασπισμούς, συζητήσεις με άλλους ενδιαφερόμενους φορείς από την οικονομία, την πολιτική, την  έρευνα. Και έτσι, σε αυτά τα φόρουμ, σε αυτές τις συζητήσεις, επισημαίνουν τα ζητήματα της  λογοδοσίας, της ευθύνης, της ιδιωτικότητας, της αξιοπιστίας του τεχνητού συστήματος, βασικά,  δηλαδή εργάζονται ως συνήγοροι της κοινωνίας και των ανθρώπων και προσπαθούν για την  ανθρωποκεντρική χρήση της τεχνητής νοημοσύνης. Αυτές θα ήταν λοιπόν οι δικές μου, σύντομες  αλλά όχι πραγματικά σύντομες απόψεις για την τεχνητή νοημοσύνη και την κοινωνία. 

Quiz question 1/8

Γιατί είναι σημαντικές οι μη κυβερνητικές οργανώσεις (ΜΚΟ) για την τεχνητή νοημοσύνη;





Quiz question 1/8

Στην περίπτωση της τεχνητής νοημοσύνης τι προσέχουν οι μη κυβερνητικές οργανώσεις (ΜΚΟ);





Quiz question 1/8

Πώς χρησιμοποιούν οι μη κυβερνητικές οργανώσεις (ΜΚΟ) την τεχνητή νοημοσύνη;





Quiz question 1/8

Με ποιον τρόπο οι μη κυβερνητικές οργανώσεις (ΜΚΟ) ενεργούν ως φορείς πολιτικής;





Quiz question 1/1

You have completed the Quiz!

Loading...

The learning unit has not been completed

You have successfully completed the learning unit.