“Algoritmalar belli niyetiyle bunları tasarlanmış veya yaptırılan insanlarda olduğu kadar önyargılı. Yapmalıyız bu nedenle sosyal etkisi olan yazılım sistemlerinin hedefleri hakkında açık bir tartışma kıvılcım.”- Ralph Müller-Eiselt
Önyargılı algoritmalar her yerde, Makine öğrenme ve AI evriminde kritik bir an çok, neden bu pozlar toplumsal konularda bahsetmiyoruz?
Onun kitabında, Büyük Veri Eşitsizliği arttırır ve Demokrasi Tehdit Nasıl - Matematik İmha Silahları, Cathy O'Neil “büyük veri süreçleri geçmiş kodlanması” ama onlar olmadığını işaret “geleceği icat.” Bizler makine insan kurumlarını etkileyen nasıl buluyorsunuz? algoritmalar sorumlu olduğunda kim yaşam kalitesini korur? O'Neil insan dokunuşu için gerekli olduğunu savunuyor “Bizim algoritmaları içine daha iyi değerler gömün.”
Ralph Müller-Eiselt eğitim politikası ve yönetişim konusunda uzman olan ve bir dijitalleşen dünyada politika zorlukları ve fırsatları Bertelsmann Vakfı'nın görev gücü başkanı. onun son “Etik Algoritma” projesinde (o eş yazarıdır Dijital Eğitim Devrimi; İngilizce Başlığı – Eğitimin Dijital Devrim), o toplum ve eğitimde algoritmik karar verme ve yapay zeka sonuçları yakından bakmak alır. O katılıyor Eğitim Global Arama AI hakkında konuşmak, algoritmalar ve hepimizin üzerinde düşünmek gereklidir.
“ya da zayıflatılması için - Bu eğitimde AI sosyal eşitliği güçlendirmek için bir katalizör olup olmayacağını belirlemek için bize düşüyor.” — Ralph Müller-Eiselt
Ralph, Biz algoritmalar her zaman toplumlar ve eğitim için olumlu bir etki elde etmek için tasarlanmış emin olmak nasıl, yerine bir tehlike ya da bir riskten?
Algoritmalar belli niyetiyle bunları tasarlanmış veya yaptırılan insanlarda olduğu kadar önyargılı. Bu nedenle sosyal etkisi olan yazılım sistemlerinin hedefleri hakkında açık bir tartışma kıvılcım gerektiğini. Böyle sistemler kullanılmalı ve akıllarında doğru amaçlarla tasarlanmış olduğundan emin olmak için yere karar vermek için bir toplum olarak bize bağlı. Ikinci olarak, Biz iyi niyetle tasarlanmış hatta algoritmaları kötü sonuçlar üretebilir unutmamalıyız. Toplumda bireysel katılımı konusunda büyük potansiyel etkileri, daha önemli bir önleyici risk değerlendirmesi ve - bir kez otomatik karar verme kullanımda - amaçlanan sonuçları doğrulamak için kapsamlı bir değerlendirme. Bu süreçte nötr üçüncü taraflarla ilgili anlamlı yazılım tabanlı karar verme güven oluşturmak için yardımcı olabilir.
biz onlar kastedilenlerin gerçekleştirerek verilmiş olsun veya olmasın nasıl değerlendiriyorsunuz?
o değerlendiren algoritma tabanlı uygulamalar ve araçlar söz konusu olduğunda Şeffaf hesap anahtarıdır. Bu, genel olarak erişilebilir algoritmaların kodunun yapmak gerekir anlamına gelmez. Aslında, en fazla etkilenen bireylerin algoritma bilgili, karar alma aşamasında nasıl bir anlayış kazanması için bu hiç yardımcı olmaz. Yerine, biz ilgili bilgilere ve verilere erişim izni verilen nötr uzmanlar aracılığıyla bir değerlendirme doğrulanabilir algoritmalarının amacı kendini açıklayıcı ifadelerle gibi mekanizmalar gerekir. Bu değerlendirmeler algoritmalar aslında planlanmış amaçlara hizmet eden olup olmadığını kontrol etmek ve onların gerçek yaşam risklerini ve fırsatlarını ortaya çıkarmak amacıyla kadar bütünsel mümkün olduğunca dizayn edilmelidir.
“Yetkinlik odaklı müfredat seçimler ve iş seçenekleri algoritma bilgili tavsiye için geniş fırsatlar varken, bizim zayıf müşterileri hedefleyerek tehlikeleri önce gözlerini kapatıp olmayabilir, standartlaştırılmış ayrımcılık ve büyük ölçekli işgücü piyasası dışlama.”- Ralph Müller-Eiselt
Eğer gelişen eğitim sistemlerine algoritmalar ve yapay zeka adapte görüyorsunuz nasıl?
Dijital çağ eğitimi için potansiyel katma değerler de sunar. Birçoğu bağlı verilerin kullanımı ile ilgili doğal olarak bağlıdır - bu öğrenme kişiselleştirmek olmak, gamification yoluyla motivasyon engellerin aşılması, fırsatların ormanda yönünü sağlayarak, ya da en azından, işgücü piyasası taleplerine bireysel yetkinliklerini eşleşen. Eğitim sektöründe algoritmalar ve AI kullanımı başlangıç aşamasında olduğu için, deneme yanılma bir sürü uyulması gereken. Ama teknoloji ve oldukça kesinlikle çok yakın bir gelecekte tüm bu konuları gelişmeye yardımcı olacaktır olabilir. Bu oldukça uzun bir ölçekte eğitim etkileyebilir yana, politika yapıcılar daha iyi olur ve daha sonra tepki bunları bekliyor olmamalıdır, ancak aktif olarak kamu yararını sürdürülmesi yönünde şimdi düzenleme şekil. Bu eğitimde AI sosyal eşitliği güçlendirmek için bir katalizör olup olmayacağını belirlemek için bize bağlı - veya bunu zayıflatmak.
Her sınıf ve çocuğun ihtiyaçlarına adapte AI kişiselleştirebilirsiniz nasıl?
Daha iyi bireysel yeteneklerini geliştirmek için öğrenme Kişiselleştirme dijital öğrenmenin temel fırsatlardan biridir. Algoritma tabanlı uygulamalar ve AI maliyetle ilgili nedenlerden dolayı insanların sınırlı sayıda daha önce yalnızca mevcut olduğunu kişiselleştirilmiş eğitime erişimi demokratikleştirme edebilirsiniz. Ama eğitimde AI vaadi ve tehlike arasında ince bir çizgi vardır. yetkinlik odaklı müfredat seçimler ve iş seçenekleri algoritma bilgili tavsiye için geniş fırsatlar varken, bizim zayıf müşterileri hedefleyerek tehlikeleri önce gözlerini kapatıp olmayabilir, standartlaştırılmış ayrımcılık ve büyük ölçekli işgücü piyasası dışlama.
AI insanlar tarafından yapıldığından, algoritmalar ve AI doğru insan hatası nedeniyle eğitim ortamındaki çalışmaz riski vardır? AI etkisi öğrenme deneyimi içinde nasıl olacak hatalar?
Algoritmalar sadece onları tasarlanmış insanlar kadar iyi. İnsan hata birçok aşamalarında bir algoritma haline çevirebilir: toplama ve algoritma programlama üzerinden veri seçme onun çıkışını yorumlamak için. Örneğin, bir algoritma geçmiş verileri kullanıyorsa, vadesi geçmiş ayrımcı desen belirli bir yönde eğimli olan, Algoritma Bu kalıpları öğrenmek ve ölçekte kullanıldığında büyük ihtimalle bile bu ayrımcılığı güçlendirecek. Böyle istenmeyen hatalar kesinlikle kaçınılması ve sürekli kontrol edilmesi gereken, Onlar eğitim sektöründe sosyal eşitsizlikleri genişletmek olacağından.
"İçin kural koyucular, o proaktif daha sosyal eşitlik doğru bu alanı şekillendirmek için şimdi tam zamanıdır. Ve algoritmalarının gerçek tasarım ve geliştirme dahil olmanın olanlar yansıtmak için zaman almalıdır hakkında Sosyal sorumluluk ve bu alanda mesleki etik için ortak standartlar oluşturmak.”- Ralph Müller-Eiselt
Nasıl bu sorunlar minimize edilebilir?
yukarıda daha detaylı olarak açıklandığı üzere,, Biz önleyici risk değerlendirmesi yapmak ve nötr üçüncü şahıslar aracılığıyla algoritma tabanlı uygulamaların sürekli ve kapsamlı bir değerlendirmesini sağlamak için gereken. Biz de daha geniş bir kamu tartışmaya yol kullanımı için farkındalık yaratmak gerektiğini, şansı ve eğitimde algoritmaların riskler. politika yapıcılar için, o proaktif daha sosyal eşitlik doğru bu alanı şekillendirmek için şimdi tam zamanıdır. Ve algoritmalarının gerçek tasarım ve geliştirme dahil olmanın olanlar bu alanda mesleki etik için ortak standartlar sosyal sorumluluk yansıtmak ve oluşturmak için zaman almalıdır.
AI yapın ve algoritmalar küresel farklı eğitim sistemleri için yeniden ayarlanması gerekir? Ne kadar önemli o AI formülasyonu içine kültürel farklılıkları birleştirmek için olacak?
Ne dünyanın en eğitim sistemlerinin ortak noktası ise güçlendirmek ve kendi bireysel yeteneklerini ve yeteneklerini geliştirmede insanları desteklemeyi amaçlayan olmasıdır, Kısacası: fırsat eşitliğini oluşturmak için. Ancak, Bu amaca yaklaşmak ve elde etmenin yolları çok çeşitlidir. Hepsi kendi güçlü ve zayıf yönleri vardır. illa başka bir sosyal bağlamda ne tek bir yerde çalışır çalışmaz. Aynı şekilde, algoritma- ve AI tabanlı uygulamalar onlar istihdam edilmektedir özellikle sosyo-kültürel ayara ayarlanması gerekebilir.
(Tüm fotoğraflar CMRubinWorld nezaket vardır)
C. M. Rubin ve Ralph Müller-Eiselt
Sir Michael Barber dahil bana katılın ve dünyaca ünlü düşünce liderleri (İngiltere), Dr. Michael Blok (ABD), Dr. Leon Botstein (ABD), Profesör Clay Christensen (ABD), Dr. Linda Darling-Hammond (ABD), Dr. MadhavChavan (Hindistan), Charles Fadel (ABD), Profesör Michael Fullan (Kanada), Profesör Howard Gardner (ABD), Profesör Andy Hargreaves (ABD), Profesör Yvonne Hellman (Hollanda), Profesör Kristin Helstad (Norveç), Jean Hendrickson (ABD), Profesör Rose Hipkins (Yeni Zelanda), Profesör Cornelia Hoogland (Kanada), Sayın Jeff Johnson (Kanada), Bayan. Chantal Kaufmann (Belçika), Dr. EijaKauppinen (Finlandiya), Devlet Bakanı TapioKosunen (Finlandiya), Profesör Dominique Lafontaine (Belçika), Profesör Hugh Lauder (İngiltere), Rab Ken Macdonald (İngiltere), Profesör Geoff Masters (Avustralya), Profesör Barry McGaw (Avustralya), Shiv Nadar (Hindistan), Profesör R. Natarajon (Hindistan), Dr. PAK NG (Singapur), Dr. Denise Pope (ABD), Sridhar Rajagopalan (Hindistan), Dr. Diane Ravitch (ABD), Richard Wilson Riley (ABD), Sir Ken Robinson (İngiltere), Profesör Pasi Sahlberg (Finlandiya), Profesör Manabu Sato (Japonya), Andreas Schleicher (PISA, OECD), Dr. Anthony Seldon (İngiltere), Dr. David Shaffer (ABD), Dr. Kirsten Sürükleyici Are (Norveç), Başbakan Stephen Spahn (ABD), Yves Theze (ABD LyceeFrancais), Profesör Charles Ungerleider (Kanada), Profesör Tony Wagner (ABD), Sir David Watson (İngiltere), Profesör Dylan Wiliam (İngiltere), Dr. Mark Wormald (İngiltere), Profesör Theo WUBBELS (Hollanda), Profesör Michael Young (İngiltere), ve Profesör Minxuan Zhang (Çin) Onlar bütün milletler bugün karşı karşıya büyük resmi eğitim soruları keşfetmek gibi.
Eğitim Toplum Page Global Arama
C. M. Rubin o aldığı için iki çok okunan çevrimiçi serisinin yazarı 2011 Upton Sinclair ödülü, "Küresel Eğitim Arama" ve "Biz nasıl Oku Will?"Üç satan kitapların yazarı da, Dahil Harikalar Gerçek Alice, yayıncısıdır CMRubinWorld ve bir Disruptor Vakfı Fellow.
C izleyin. M. Twitter'da Rubin: www.twitter.com/@cmrubinworld
Son Yorumlar