الذكاء الاصطناعي يعاني من مشكلة التحيز البشري

تقول الدراسات إنه كلما زاد الاعتماد على أنظمة الذكاء الاصطناعي كلما ظهر الكثير من المخاطر والتساؤلات حول دقتها، وأبرز تلك التساؤلات يدور حول ما إذا كانت أنظمة الذكاء الاصطناعي تتحيز مثل البشر؟ ولكن الآلات ليس لديها تحيز فعلي، والذكاء الاصطناعي لا يريد لشيء أن يكون صحيحًا أو خاطئًا لأسباب لا يمكن تفسيرها منطقيًا، ولكن للأسف التحيز البشري موجود في أنظمة التعلم الآلي بسبب البيانات أو الخوارزميات المستخدمة في تدريبها فقد تتضمن البيانات تحيزًا بنسبة ما، وحتى الآن لم يحاول أي شخص حل هذه المشكلة الضخمة. وقد أجرى مؤخرًا فريق من العلماء من التشيك وألمانيا مجموعة أبحاث لتحديد تأثير التحيز المعرفي للإنسان على تفسير المخرجات المستخدمة لإنشاء قواعد التعلم الآلي، وتُشير نتائج الباحثين إلى أنهم اختبروا أنظمة تعلم آلي متعددة، ووجدوا أن صفات التحيز البشري تتواجد في أنظمة الذكاء الاصطناعي. ويوضح تقرير الفريق البحثي كيف أن 20 تحيزًا معرفيًا مختلفًا يمكن أن يغيروا من تطور قواعد التعلم الآلي ويقترح أساليب للتخلص من هذا التحيز. وفقًا لتقرير الباحثين، قد يكمن التحيز في التعليمات البرمجية والخوارزميات سواء قصد المطورون ذلك أم لا، ولكن عندما تصبح هذه الأنواع من الأخطاء البشرية مخبأة داخل أجزاء من الذكاء الاصطناعي هذا يعني أن تحيزنا هو المسؤول عن اختيار قاعدة التدريب التي تشكل إنشاء نماذج التعلم الآلي ليدل ذلك على أننا لا ننشىء ذكاءً اصطناعيًا، بل نضع أخطاءنا داخل صندوق أسود ولا نعلم كيف سيستخدمه ضدنا!. وبناء على ذلك، يتغير مشهد المسؤولية الشخصية كلما زاد الاعتماد على أنظمة الذكاء الاصطناعي، فقريبًا سيتم تشغيل معظم المركبات بواسطة الآلات وعدد كبير من العمليات الجراحية والإجراءات الطبية ستتم بواسطة الروبوتات، وهذا سيضع مطوري أنظمة الذكاء الاصطناعي في المقدمة عند حدوث مأساة وكعادة البشر دائمًا ما يبحثون عن إلقاء اللوم على شخص ما يتحمل جميع الأخطاء. يقترح الباحثون معالجة الأمر لكل تحيز معرفي قاموا بفحصه، وبالنسبة للعديد من المشاكل كان الحل بسيطًا يتمثل في تغيير طريقة تمثيل البيانات، كما يَفترض الفريق على سبيل المثال تغيير مخرجات الخوارزميات بحيث يتم استخدام أعداد طبيعية بشكل أكبر من النسب قد يقلل إلى حد كبير من احتمال إساءة تفسير نتائج معينة.