"الگوریتم به عنوان مغرضانه به عنوان انسان هایی که با نیت خاص طراحی شده و یا راه اندازی آنها. ما باید از این رو جرقه یک بحث آزاد در مورد اهداف سیستم های نرم افزاری با تاثیر اجتماعی "- رالف مولر-Eiselt
الگوریتم های مغرضانه همه جا هستند, بنابراین در یک لحظه بحرانی در تکامل یادگیری ماشین و هوش مصنوعی, چرا ما صحبت کردن در مورد مسائل اجتماعی این امر?
در کتاب خود, سلاح های ریاضی تخریب - بزرگ داده چگونه افزایش نابرابری و تهدید دموکراسی, کتی اونیل اشاره می کند که "فرآیندهای داده های بزرگ تدوین گذشته" اما آنها نه "ابداع آینده." چگونه ما در مورد ماشین های موثر بر نهادهای انسانی ما احساس? که کیفیت زندگی محافظت زمانی که الگوریتم های مسئول هستند? اونیل استدلال می کند که لمس انسان ضروری است "را به الگوریتم های ما جاسازی ارزش بهتر است."
رالف مولر-Eiselt یک متخصص در سیاست آموزش و پرورش و حکومت و رئیس گروه ضربت بنیاد برتلزمان در خصوص چالش های سیاست و فرصت در جهان دیجیتالی. در آخرین پروژه «اخلاق الگوریتم" خود (او همکاری نویسنده است انقلاب دیجیتال آموزش و پرورش; انگلیسی عنوان – انقلاب دیجیتال آموزش و پرورش), او طول می کشد یک نگاهی از نزدیک به عواقب ناشی از الگوریتمی تصمیم گیری و هوش مصنوعی در جامعه و آموزش و پرورش. او می پیوندد جهانی جستجو برای آموزش و پرورش به بحث در مورد هوش مصنوعی, الگوریتم و آنچه که ما همه باید در مورد فکر.
“آن است تا به ما برای تعیین اینکه آیا هوش مصنوعی در آموزش و پرورش خواهد شد یک کاتالیزور برای تقویت عدالت اجتماعی - و یا برای تضعیف می کند.” — رالف مولر-Eiselt
رالف, چگونه ما اطمینان حاصل شود که الگوریتم های همیشه تصور برای رسیدن به یک تاثیر مثبت برای جوامع و آموزش و پرورش, به جای یک خطر و یا خطر?
الگوریتم به عنوان مغرضانه به عنوان انسان هایی که با نیت خاص طراحی شده و یا راه اندازی آنها. بنابراین ما باید یک بحث آزاد در مورد اهداف سیستم های نرم افزاری با تاثیر اجتماعی جرقه. آن است تا به ما به عنوان یک جامعه برای تصمیم گیری که در آن چنین سیستم باید استفاده شود و مطمئن شوید که آنها را با اهداف درست در ذهن طراحی شده است. دوم, ما باید به یاد داشته باشید که حتی الگوریتم های با نیت خوب طراحی شده می توانید نتایج بد تولید. بزرگتر اثرات بالقوه بر مشارکت افراد در جامعه هستند, یک ارزیابی جامع به منظور بررسی نتایج نظر گرفته شده - مهم تر ارزیابی ریسک پیشگیرانه است و - یک بار به صورت خودکار تصمیم گیری در حال استفاده است. مربوط به اشخاص ثالث بی طرف در این فرایند به طور قابل توجهی می تواند کمک به ایجاد اعتماد در تصمیم گیری مبتنی بر نرم افزار.
چگونه ما ارزیابی اینکه آیا یا نه آنها در حال انجام چه نظر گرفته شده است?
پاسخگویی شفاف کلیدی این است که آن را به ارزیابی برنامه های کاربردی مبتنی بر الگوریتم و ابزار می آید. این به این معنا نیست که ما نیاز به ایجاد کد الگوریتم های عمومی در دسترس. در واقع, که نمی خواهد در همه مفید باشد برای افراد بیشتر تحت تاثیر قرار برای به دست آوردن درک درستی از نحوه تصمیم گیری الگوریتم مطلع هستند که ساخته شده. در عوض, ما نیاز به مکانیزم مانند صورتهای خود توضیحی از هدف برای الگوریتم های که می تواند توسط یک ارزیابی از طریق کارشناسان بی طرف تایید که به دسترسی به اطلاعات مربوطه و داده اعطا. این ارزیابی باید به عنوان کلی نگر که ممکن به منظور طراحی شود برای بررسی اینکه آیا الگوریتم در واقع خدمت به اهداف در نظر گرفته و به فاش خطرات زندگی واقعی و فرصت های خود را.
"در حالی که فرصت های گسترده برای مشاوره-الگوریتم مطلع در انتخاب برنامه و صلاحیت او گرا و گزینه های شغلی وجود دارد, ما ممکن است از چشم ما قبل از خطرات ناشی از هدف قرار دادن مشتریان ضعیف بسته نشده, تبعیض استاندارد و در مقیاس بزرگ طرد بازار کار "- رالف مولر-Eiselt
چگونه الگوریتم ها و تطبیق AI به سیستم آموزش و پرورش در حال تحول می بینید?
عصر دیجیتال ارائه می دهد تعدادی از ارزش افزوده بالقوه برای آموزش و پرورش. بسیاری از آنها ذاتا وابسته به استفاده از داده های متصل - توان آن را با شخصی آموزش, غلبه بر موانع انگیزشی از طریق گیمیفیکیشن, ارائه جهت گیری در جنگل از فرصت, یا نه کم, تطبیق شایستگی فرد با خواسته های بازار کار. استفاده از الگوریتم ها و هوش مصنوعی در بخش آموزش و پرورش هنوز در مرحله اولیه آن, با بسیاری از آزمون و خطا مشاهده می شود. اما فن آوری می تواند و کاملا قطعا کمک خواهد کرد تکامل همه این مسائل در آینده بسیار نزدیک. از آنجا که این ممکن است آموزش و پرورش در برخی مقیاس تاثیر, سیاست گذاران باید بهتر این چیزها در انتظار اتفاق می افتد و واکنش نشان می دهند پس از آن, اما به طور فعال شکل مقررات در حال حاضر نسبت حفظ عمومی خوب. آن است تا به ما برای تعیین اینکه آیا هوش مصنوعی در آموزش و پرورش خواهد شد یک کاتالیزور برای تقویت عدالت اجتماعی - و یا برای تضعیف آن.
چگونه می توان هوش مصنوعی ما را منحصر به فرد برای انطباق با هر کلاس درس و نیازهای کودک?
شخصی یادگیری را به توسعه بهتر قابلیت های منحصر به فرد یکی از فرصتهای اصلی یادگیری دیجیتال است. برنامه های کاربردی مبتنی بر الگوریتم و هوش مصنوعی می تواند دسترسی به آموزش شخصی که به دلایل مرتبط با هزینه قبلا فقط برای تعداد محدودی از افراد بود دموکراتیزه. اما یک خط خوب بین وعده و خطر از هوش مصنوعی در آموزش و پرورش وجود دارد. در حالی که فرصت های گسترده برای مشاوره-الگوریتم مطلع در انتخاب برنامه و صلاحیت او گرا و گزینه های شغلی وجود دارد, ما ممکن است از چشم ما قبل از خطرات ناشی از هدف قرار دادن مشتریان ضعیف بسته نشده, تبعیض استاندارد و در مقیاس بزرگ طرد بازار کار.
از آنجا که هوش مصنوعی است که توسط انسان ساخته شده, است خطر وجود دارد که الگوریتم و هوش مصنوعی را نمی خواهد با دقت در محیط های آموزشی کار به دلیل خطای انسانی وجود دارد? چگونه اشتباهات در AI تاثیر تجربه یادگیری?
الگوریتم تنها به عنوان خوب به عنوان انسان که آنها را طراحی. خطای انسانی می تواند به یک الگوریتم در بسیاری از مراحل ترجمه: از جمع آوری و انتخاب داده ها بر برنامه نویسی الگوریتم به تفسیر خروجی آن. به عنوان مثال, اگر یک الگوریتم با استفاده از داده های تاریخی, که در یک جهت خاص با توجه به الگوهای تبعیض آمیز از گذشته مغرضانه, الگوریتم از این الگوهای یادگیری و به احتمال زیاد حتی تقویت این تبعیض زمانی که آن را در مقیاس مورد استفاده. چنین اشتباهات ناخواسته باید به شدت اجتناب و به طور مداوم چک برای, از آنجایی که آنها می نابرابری های اجتماعی در بخش آموزش و پرورش گسترش.
"برای سیاست گذاران, آن هم اکنون بالا به فعالانه شکل این زمینه به سمت عدالت اجتماعی است. و کسانی که در طراحی واقعی و توسعه ای از الگوریتم درگیر باید هم به بازتاب را در باره مسئولیت اجتماعی خود و ایجاد استانداردهای مشترک برای اخلاق حرفه ای در این زمینه "- رالف مولر-Eiselt
چگونه می تواند این مسائل به حداقل برسد?
همانطور که در بالا توضیح داده شده جزئیات بیشتر, ما نیاز به انجام ارزیابی ریسک پیشگیرانه و اطمینان از ارزیابی مداوم و جامع از برنامه های کاربردی مبتنی بر الگوریتم از طریق شخص ثالث بی طرف. ما همچنین باید یک بحث عمومی گسترده تر جرقه و افزایش آگاهی برای استفاده, شانس بهبودی و خطرات الگوریتم در آموزش و پرورش. برای پالیسی سازان, آن هم اکنون بالا به فعالانه شکل این زمینه به سمت عدالت اجتماعی است. و کسانی که در طراحی واقعی و توسعه ای از الگوریتم درگیر باید زمان را به مورد مسئولیت اجتماعی خود را منعکس و ایجاد استانداردهای مشترک برای اخلاق حرفه ای در این زمینه را.
آیا هوش مصنوعی و الگوریتم نیاز به سیستم های مختلف آموزشی تنظیم منود توان در سطح جهان? چقدر مهم خواهد بود به عنوان سمبل تفاوت های فرهنگی به تدوین AI?
چه بسیاری از سیستم های آموزش در جهان مشترک است این است که هدف آنها برای توانمند سازی و حمایت از افراد در حال توسعه قابلیت ها و استعدادهای فردی خود, به اختصار: ایجاد برابری فرصت ها. با این حال, راه به رویکرد و رسیدن به این هدف چند برابر می. همه آنها دارای نقاط ضعف و قوت خود. چه کار می کند در یک مکان لزوما در زمینه های اجتماعی دیگر کار نمی کند. در راه همان است, الگوریتم- و برنامه های کاربردی بر اساس AI-نیاز به به تنظیم اجتماعی و فرهنگی خاص آنها در به کار تنظیم شود.
(همه عکس ها حسن نیت ارائه میدهد CMRubinWorld)
C. M. روبین و رالف مولر-Eiselt
من تاریخ و رهبران فکری در سطح جهان شناخته جمله سر مایکل باربر (UK), دکتر. مایکل بلوک (ایالات متحده), دکتر. لئون Botstein (ایالات متحده), استاد خشت کریستنسن (ایالات متحده), دکتر. لیندا عزیزم، هاموند (ایالات متحده), دکتر. MadhavChavan (هند), چارلز فاضل (ایالات متحده), پروفسور مایکل فالن (کانادا), پروفسور هوارد گاردنر (ایالات متحده), پروفسور اندی هارگریوز (ایالات متحده), پروفسور ایوان هلمن (هلند), پروفسور کریستین Helstad (نروژ), ژان Hendrickson (ایالات متحده), پروفسور رز Hipkins (نیوزیلند), استاد کورنلیا Hoogland (کانادا), جناب جف جانسون (کانادا), خانم. شانتال کافمن (بلژیک), دکتر. EijaKauppinen (فنلاند), وزیر امور خارجه TapioKosunen (فنلاند), پروفسور دومینیک لافونتن (بلژیک), پروفسور هیو لادر (UK), پروردگار کن مک دونالد (UK), پروفسور جف کارشناسی ارشد (استرالیا), پرفسور بری McGaw (استرالیا), Shiv در نادار (هند), استاد R. Natarajan (هند), دکتر. PAK NG (سنگاپور), دکتر. دنیس پاپ (US), Sridhar Rajagopalan (هند), دکتر. دایان Ravitch (ایالات متحده), ریچارد ویلسون رایلی (ایالات متحده), سر کن رابینسون (UK), استاد PASI Sahlberg (فنلاند), استاد Manabu ساتو (ژاپن), آندریاس Schleicher (PISA, OECD), دکتر. آنتونی Seldon (UK), دکتر. دیوید شافر (ایالات متحده), دکتر. کیرستن همهجانبه هستند (نروژ), صدراعظم استفان Spahn (ایالات متحده), ایو Theze (LyceeFrancais ایالات متحده), پروفسور چارلز Ungerleider (کانادا), پروفسور تونی واگنر (ایالات متحده), سر دیوید واتسون (UK), استاد دیلن Wiliam (UK), دکتر. علامت گذاری Wormald (UK), پروفسور تئو Wubbels (هلند), پروفسور مایکل جوان (UK), و استاد Minxuan ژانگ (چین) به عنوان آنها در پرسش های بزرگ آموزش و پرورش تصویر است که تمام کشورهای امروز با آن مواجه بررسی.
جهانی جستجو برای آموزش و پرورش انجمن صفحه
C. M. روبین نویسنده دو مجموعه آنلاین به طور گسترده به عنوان خوانده شده که او دریافت است 2011 جایزه آپتون سینکلر, "جهانی جستجو برای آموزش و پرورش" و "چگونه می خواهیم به عنوان خوانده شده?"او همچنین نویسنده سه کتاب پرفروش, محتوی رئال آلیس در سرزمین عجایب, ناشر است CMRubinWorld و یک Disruptor بنیاد همکار.
دنبال C. M. روبین در توییتر: www.twitter.com/@cmrubinworld
نظرات اخیر