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

नैतिक आणि जबाबदार AI

तुम्ही हा कोर्स जवळजवळ पूर्ण केला आहे, आणि आता तुम्हाला स्पष्टपणे दिसत असेल की AI अनेक औपचारिक गणितीय पद्धतींवर आधारित आहे ज्यामुळे आपल्याला डेटामधील संबंध शोधता येतात आणि मानवी वर्तनाचे काही पैलू पुनरुत्पादित करण्यासाठी मॉडेल्स प्रशिक्षित करता येतात. या इतिहासाच्या टप्प्यावर, आम्ही AI ला डेटा मधून नमुने काढण्यासाठी आणि नवीन समस्या सोडवण्यासाठी त्या नमुन्यांचा उपयोग करण्यासाठी एक अत्यंत शक्तिशाली साधन मानतो.

पूर्व-व्याख्यान प्रश्नमंजुषा

तथापि, विज्ञानकथांमध्ये आपण अनेकदा कथा पाहतो जिथे AI मानवजातीसाठी धोका निर्माण करते. सहसा त्या कथा AI बंडखोरीच्या प्रकाराभोवती केंद्रित असतात, जिथे AI मानवांशी सामना करण्याचा निर्णय घेतो. याचा अर्थ असा की AI मध्ये काही प्रकारची भावना आहे किंवा त्याच्या विकसकांनी अपेक्षित केलेल्या निर्णयांपेक्षा वेगळे निर्णय घेऊ शकतो.

या कोर्समध्ये आपण शिकलेला AI हा मोठ्या प्रमाणातील मॅट्रिक्स गणिताशिवाय काहीही नाही. हे आपल्याला आपली समस्या सोडवण्यासाठी मदत करणारे एक अत्यंत शक्तिशाली साधन आहे, आणि इतर कोणत्याही शक्तिशाली साधनासारखे - याचा चांगल्या आणि वाईट हेतूंसाठी उपयोग केला जाऊ शकतो. महत्त्वाचे म्हणजे, याचा गैरवापर होऊ शकतो.

जबाबदार AI चे तत्त्व

AI चा अपघाती किंवा हेतुपुरस्सर गैरवापर टाळण्यासाठी, Microsoft ने महत्त्वाचे जबाबदार AI चे तत्त्व मांडले आहेत. खालील संकल्पना या तत्त्वांना आधार देतात:

• न्याय हे मॉडेल पक्षपात या महत्त्वाच्या समस्येशी संबंधित आहे, जे प्रशिक्षणासाठी पक्षपाती डेटा वापरण्यामुळे होऊ शकते. उदाहरणार्थ, जेव्हा आपण एखाद्या व्यक्तीसाठी सॉफ्टवेअर डेव्हलपर नोकरी मिळवण्याची शक्यता अंदाज करण्याचा प्रयत्न करतो, तेव्हा मॉडेल पुरुषांना जास्त प्राधान्य देण्याची शक्यता असते - कारण प्रशिक्षण डेटासेट कदाचित पुरुष प्रेक्षकांकडे पक्षपाती असण्याची शक्यता असते. आपल्याला प्रशिक्षण डेटा काळजीपूर्वक संतुलित करणे आणि मॉडेल तपासणे आवश्यक आहे जेणेकरून पक्षपात टाळता येईल आणि मॉडेल अधिक संबंधित वैशिष्ट्यांचा विचार करते याची खात्री करावी.
• विश्वसनीयता आणि सुरक्षितता. त्यांच्या स्वभावानुसार, AI मॉडेल्स चुका करू शकतात. न्यूरल नेटवर्क संभाव्यता परत करते, आणि निर्णय घेताना आपल्याला त्याचा विचार करावा लागतो. प्रत्येक मॉडेलमध्ये काही अचूकता आणि पुनर्प्राप्ती असते, आणि चुकीच्या सल्ल्यामुळे होणारे नुकसान टाळण्यासाठी आपल्याला ते समजून घेणे आवश्यक आहे.
• गोपनीयता आणि सुरक्षा यामध्ये काही AI-विशिष्ट परिणाम आहेत. उदाहरणार्थ, जेव्हा आपण एखाद्या मॉडेलला प्रशिक्षण देण्यासाठी काही डेटा वापरतो, तेव्हा हा डेटा काही प्रमाणात मॉडेलमध्ये "एकत्रित" होतो. एका बाजूला, यामुळे सुरक्षा आणि गोपनीयता वाढते, तर दुसऱ्या बाजूला - आपल्याला लक्षात ठेवणे आवश्यक आहे की मॉडेल कोणत्या डेटावर प्रशिक्षित केले गेले आहे.
• समावेशकता याचा अर्थ आपण लोकांना बदलण्यासाठी AI तयार करत नाही, तर लोकांना वाढवण्यासाठी आणि आपले काम अधिक सर्जनशील बनवण्यासाठी तयार करतो. हे न्यायाशी संबंधित आहे, कारण जेव्हा अल्पसंख्याक समुदायांशी व्यवहार केला जातो, तेव्हा आपण गोळा केलेले बहुतेक डेटासेट पक्षपाती असण्याची शक्यता असते, आणि आपल्याला खात्री करावी लागते की त्या समुदायांचा समावेश केला जातो आणि AI द्वारे योग्य प्रकारे हाताळले जाते.
• पारदर्शकता. यामध्ये हे सुनिश्चित करणे समाविष्ट आहे की आपण नेहमी स्पष्टपणे सांगतो की AI वापरले जात आहे. तसेच, शक्य असल्यास, आपण स्पष्टपणे समजण्यायोग्य AI प्रणाली वापरण्याचा प्रयत्न करतो.
• जबाबदारी. जेव्हा AI मॉडेल्स काही निर्णय घेतात, तेव्हा त्या निर्णयांसाठी कोण जबाबदार आहे हे नेहमी स्पष्ट नसते. आपल्याला हे सुनिश्चित करणे आवश्यक आहे की AI निर्णयांची जबाबदारी कोठे आहे हे आपण समजतो. बहुतेक प्रकरणांमध्ये आपण महत्त्वाचे निर्णय घेण्याच्या प्रक्रियेत मानवी सहभाग समाविष्ट करू इच्छितो, जेणेकरून वास्तविक लोकांना जबाबदार ठरवले जाऊ शकते.

जबाबदार AI साठी साधने

Microsoft ने जबाबदार AI टूलबॉक्स विकसित केला आहे ज्यामध्ये साधनांचा संच समाविष्ट आहे:

• Interpretability Dashboard (InterpretML)

• Fairness Dashboard (FairLearn)

• Error Analysis Dashboard

• जबाबदार AI डॅशबोर्ड ज्यामध्ये समाविष्ट आहे:

  • EconML - कारणात्मक विश्लेषणासाठी साधन, जे "काय-जर" प्रश्नांवर लक्ष केंद्रित करते
  • DiCE - प्रतिकूल विश्लेषणासाठी साधन जे तुम्हाला मॉडेलच्या निर्णयावर परिणाम करण्यासाठी कोणती वैशिष्ट्ये बदलणे आवश्यक आहे हे पाहण्याची परवानगी देते

AI नैतिकतेबद्दल अधिक माहितीसाठी, कृपया मशीन लर्निंग अभ्यासक्रमातील हा धडा भेट द्या ज्यामध्ये असाइनमेंट्स समाविष्ट आहेत.

पुनरावलोकन आणि स्व-अभ्यास

जबाबदार AI बद्दल अधिक जाणून घेण्यासाठी Learn Path घ्या.

व्याख्यानानंतरची प्रश्नमंजुषा

अस्वीकरण:
हा दस्तऐवज AI भाषांतर सेवा Co-op Translator वापरून भाषांतरित करण्यात आला आहे. आम्ही अचूकतेसाठी प्रयत्नशील असलो तरी कृपया लक्षात ठेवा की स्वयंचलित भाषांतरांमध्ये त्रुटी किंवा अचूकतेचा अभाव असू शकतो. मूळ भाषेतील दस्तऐवज हा अधिकृत स्रोत मानला जावा. महत्त्वाच्या माहितीसाठी व्यावसायिक मानवी भाषांतराची शिफारस केली जाते. या भाषांतराचा वापर करून निर्माण होणाऱ्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थासाठी आम्ही जबाबदार राहणार नाही.