AI-For-Beginners/translations/ml/lessons/7-Ethics

നൈതികവും ഉത്തരവാദിത്വമുള്ള AIയും

നിങ്ങൾ ഈ കോഴ്സ് ഏകദേശം പൂർത്തിയാക്കിയിട്ടുണ്ട്, ഇപ്പോൾ നിങ്ങൾക്ക് വ്യക്തമായി കാണാമെന്ന് ഞാൻ പ്രതീക്ഷിക്കുന്നു, AI ഡാറ്റയിൽ ബന്ധങ്ങൾ കണ്ടെത്താനും മനുഷ്യന്റെ ചില പെരുമാറ്റങ്ങൾ പുനരാവർത്തനം ചെയ്യാൻ മോഡലുകൾ പരിശീലിപ്പിക്കാനും സഹായിക്കുന്ന നിരവധി ഔപചാരിക ഗണിതരീതികളിൽ അടിസ്ഥാനമാക്കിയതാണ്. ചരിത്രത്തിലെ ഈ ഘട്ടത്തിൽ, ഡാറ്റയിൽ നിന്നുള്ള മാതൃകകൾ കണ്ടെത്താനും ആ മാതൃകകൾ പുതിയ പ്രശ്നങ്ങൾ പരിഹരിക്കാൻ പ്രയോഗിക്കാനും AI വളരെ ശക്തമായ ഒരു ഉപകരണമാണെന്ന് ഞങ്ങൾ കരുതുന്നു.

പ്രീ-ലെക്ചർ ക്വിസ്

എങ്കിലും, സയൻസ് ഫിക്ഷനിൽ നമ്മൾ പലപ്പോഴും കാണുന്നത് AI മനുഷ്യരാശിക്ക് അപകടം സൃഷ്ടിക്കുന്ന കഥകളാണ്. സാധാരണയായി ആ കഥകൾ AI യുടെ ഒരു വിധം വിപ്ലവത്തെക്കുറിച്ചാണ്, AI മനുഷ്യരെ നേരിടാൻ തീരുമാനിക്കുമ്പോൾ. ഇത് AI യ്ക്ക് ചില വിധം വികാരമോ അതിന്റെ വികസിപ്പിച്ചവരാൽ പ്രതീക്ഷിക്കാത്ത തീരുമാനങ്ങൾ എടുക്കാനുള്ള കഴിവോ ഉണ്ടെന്ന് സൂചിപ്പിക്കുന്നു.

ഈ കോഴ്സിൽ നാം പഠിച്ച AI വലിയ മാട്രിക്സ് ഗണിതം മാത്രമാണ്. ഇത് നമ്മുടെ പ്രശ്നങ്ങൾ പരിഹരിക്കാൻ സഹായിക്കുന്ന വളരെ ശക്തമായ ഒരു ഉപകരണമാണ്, മറ്റ് ശക്തമായ ഉപകരണങ്ങളുപോലെ - ഇത് നല്ലതിനും മോശത്തിനും ഉപയോഗിക്കാം. പ്രധാനമായി, ഇത് തെറ്റായി ഉപയോഗിക്കപ്പെടാം.

ഉത്തരവാദിത്വമുള്ള AI ന്റെ സിദ്ധാന്തങ്ങൾ

AI യുടെ ഈ അനാചാരമായോ ഉദ്ദേശപൂർവ്വമായോ ഉപയോഗം ഒഴിവാക്കാൻ, Microsoft നിർദ്ദേശിക്കുന്ന പ്രധാന ഉത്തരവാദിത്വമുള്ള AI സിദ്ധാന്തങ്ങൾ ഉണ്ട്. ഈ സിദ്ധാന്തങ്ങളുടെ അടിസ്ഥാനത്തിൽ താഴെ പറയുന്ന ആശയങ്ങൾ നിലനിൽക്കുന്നു:

• ന്യായം മോഡൽ ബയാസുകളുമായി ബന്ധപ്പെട്ട ഒരു പ്രധാന പ്രശ്നമാണ്, ഇത് പരിശീലനത്തിനായി ഉപയോഗിക്കുന്ന ഡാറ്റ ബയാസ്ഡ് ആയിരിക്കുമ്പോൾ ഉണ്ടാകാം. ഉദാഹരണത്തിന്, ഒരു വ്യക്തിക്ക് സോഫ്റ്റ്വെയർ ഡെവലപ്പർ ജോലി ലഭിക്കാനുള്ള സാധ്യത പ്രവചിക്കുമ്പോൾ, മോഡൽ പുരുഷന്മാർക്ക് കൂടുതൽ മുൻഗണന നൽകാൻ സാധ്യതയുണ്ട് - കാരണം പരിശീലന ഡാറ്റ സെറ്റ് പുരുഷ പ്രേക്ഷകരെ മുൻനിർത്തിയുള്ളതായിരിക്കാം. ബയാസുകൾ ഒഴിവാക്കാൻ പരിശീലന ഡാറ്റ ശ്രദ്ധാപൂർവ്വം തുല്യപ്പെടുത്തുകയും മോഡൽ പരിശോധിക്കുകയും ചെയ്യണം, കൂടാതെ മോഡൽ കൂടുതൽ പ്രസക്തമായ ഫീച്ചറുകൾ പരിഗണിക്കുന്നുണ്ടെന്ന് ഉറപ്പാക്കണം.
• നിരന്തരതയും സുരക്ഷയും. സ്വഭാവത്തിൽ, AI മോഡലുകൾ പിഴച്ചേക്കാം. ഒരു ന്യൂറൽ നെറ്റ്‌വർക്ക് സാധ്യതകൾ നൽകുന്നു, അതിനാൽ തീരുമാനങ്ങൾ എടുക്കുമ്പോൾ അത് പരിഗണിക്കണം. ഓരോ മോഡലിനും ചില പ്രിസിഷൻ, റീക്കാൾ നിലവാരങ്ങൾ ഉണ്ട്, തെറ്റായ ഉപദേശം ഉണ്ടാക്കുന്ന ഹാനി തടയാൻ അത് മനസ്സിലാക്കണം.
• സ്വകാര്യതയും സുരക്ഷയും AI യുമായി ബന്ധപ്പെട്ട പ്രത്യേക അർത്ഥങ്ങൾ ഉണ്ട്. ഉദാഹരണത്തിന്, ഒരു മോഡൽ പരിശീലിപ്പിക്കാൻ ഉപയോഗിച്ച ഡാറ്റ മോഡലിൽ "ഇന്റഗ്രേറ്റുചെയ്ത" പോലെ മാറുന്നു. ഒരു പക്ഷേ, അത് സുരക്ഷയും സ്വകാര്യതയും വർദ്ധിപ്പിക്കുന്നു, മറുവശത്ത് - മോഡൽ ഏത് ഡാറ്റയിൽ പരിശീലിപ്പിച്ചതെന്ന് ഓർക്കണം.
• സമഗ്രത എന്നത് AI മനുഷ്യരെ മാറ്റിസ്ഥാപിക്കാൻ değil, മറിച്ച് മനുഷ്യരെ സഹായിച്ച് നമ്മുടെ ജോലി കൂടുതൽ സൃഷ്ടിപരമാക്കാൻ ആണ്. ഇത് ന്യായത്തോടും ബന്ധപ്പെട്ടതാണ്, കാരണം പ്രതിനിധാനമില്ലാത്ത സമൂഹങ്ങളെ കൈകാര്യം ചെയ്യുമ്പോൾ, ഞങ്ങൾ ശേഖരിക്കുന്ന ഡാറ്റാസെറ്റുകൾ ബയാസ്ഡ് ആയിരിക്കാം, ആ സമൂഹങ്ങൾ ഉൾപ്പെടുത്തുകയും AI ശരിയായി കൈകാര്യം ചെയ്യുകയും ചെയ്യണം.
• തെളിവുതന്നൽ. AI ഉപയോഗിക്കുന്നതിൽ എപ്പോഴും വ്യക്തത ഉറപ്പാക്കുകയാണ് ഇതിന്റെ ഭാഗം. കൂടാതെ, എവിടെയും സാധ്യമെങ്കിൽ, വ്യാഖ്യാനയോഗ്യമായ AI സിസ്റ്റങ്ങൾ ഉപയോഗിക്കാൻ ആഗ്രഹിക്കുന്നു.
• ഉത്തരവാദിത്വം. AI മോഡലുകൾ ചില തീരുമാനങ്ങൾ എടുക്കുമ്പോൾ, ആ തീരുമാനങ്ങൾക്ക് ഉത്തരവാദിത്വം ആരുടെയെന്ന് എപ്പോഴും വ്യക്തമല്ല. AI തീരുമാനങ്ങളുടെ ഉത്തരവാദിത്വം എവിടെയാണെന്ന് മനസ്സിലാക്കണം. പ്രധാന തീരുമാനങ്ങൾ എടുക്കുമ്പോൾ മനുഷ്യരെ ഉൾപ്പെടുത്താൻ ആഗ്രഹിക്കുന്നു, അതിനാൽ യഥാർത്ഥ ആളുകൾ ഉത്തരവാദിത്വം ഏറ്റെടുക്കും.

ഉത്തരവാദിത്വമുള്ള AI യ്ക്കുള്ള ഉപകരണങ്ങൾ

Microsoft വികസിപ്പിച്ച ഉത്തരവാദിത്വമുള്ള AI ടൂൾബോക്സ് താഴെ പറയുന്ന ഉപകരണങ്ങൾ ഉൾക്കൊള്ളുന്നു:

• വ്യാഖ്യാനയോഗ്യത ഡാഷ്ബോർഡ് (InterpretML)

• ന്യായത്വ ഡാഷ്ബോർഡ് (FairLearn)

• പിഴവ് വിശകലന ഡാഷ്ബോർഡ്

• ഉത്തരവാദിത്വമുള്ള AI ഡാഷ്ബോർഡ്, ഇതിൽ ഉൾപ്പെടുന്നു

  • EconML - കാരണപരമായ വിശകലനത്തിനുള്ള ഉപകരണം, എന്ത്-എങ്കിൽ ചോദ്യങ്ങളിൽ കേന്ദ്രീകരിക്കുന്നു
  • DiCE - പ്രത്യാഘാത വിശകലനത്തിനുള്ള ഉപകരണം, മോഡലിന്റെ തീരുമാനത്തെ ബാധിക്കാൻ ഏത് ഫീച്ചറുകൾ മാറ്റേണ്ടതുണ്ടെന്ന് കാണിക്കുന്നു

AI നൈതികതയെക്കുറിച്ച് കൂടുതൽ അറിയാൻ, ദയവായി ഈ പാഠം സന്ദർശിക്കുക, ഇത് മെഷീൻ ലേണിംഗ് പാഠ്യപദ്ധതിയിൽ ഉൾപ്പെടുന്നു, അസൈൻമെന്റുകളും ഉൾക്കൊള്ളുന്നു.

അവലോകനം & സ്വയം പഠനം

ഉത്തരവാദിത്വമുള്ള AI യെക്കുറിച്ച് കൂടുതൽ പഠിക്കാൻ ഈ ലേൺ പാത്ത് സ്വീകരിക്കുക.

പോസ്റ്റ്-ലെക്ചർ ക്വിസ്

---

അസൂയാ:
ഈ രേഖ AI വിവർത്തന സേവനം Co-op Translator ഉപയോഗിച്ച് വിവർത്തനം ചെയ്തതാണ്. നാം കൃത്യതയ്ക്ക് ശ്രമിച്ചെങ്കിലും, സ്വയം പ്രവർത്തിക്കുന്ന വിവർത്തനങ്ങളിൽ പിശകുകൾ അല്ലെങ്കിൽ തെറ്റുകൾ ഉണ്ടാകാമെന്ന് ദയവായി ശ്രദ്ധിക്കുക. അതിന്റെ മാതൃഭാഷയിലുള്ള യഥാർത്ഥ രേഖ അധികാരപരമായ ഉറവിടമായി കണക്കാക്കപ്പെടണം. നിർണായക വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ വിവർത്തനം ശുപാർശ ചെയ്യപ്പെടുന്നു. ഈ വിവർത്തനത്തിന്റെ ഉപയോഗത്തിൽ നിന്നുണ്ടാകുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണകൾക്കോ തെറ്റായ വ്യാഖ്യാനങ്ങൾക്കോ ഞങ്ങൾ ഉത്തരവാദികളല്ല.