அறிமுகம்:
செய்யறிவை(AI) நம் வாழ்வில் அதிகஅளவு பதிக்கப்படுவதால், அது நம்பமுடியாத வாய்ப்புகளை மட்டுமல்ல, ஆழ்ந்த நெறிமுறை சவால்களையும் கொண்டுவருகிறது. செய்யறிவின்(AI) அமைப்புகள் நியாயமானவை, வெளிப்படையானவை , மரியாதைக்குரியவை என்பதை உறுதி செய்வது நம்பிக்கையை வளர்ப்பதற்கும் நிலையான, பொறுப்பான வளர்ச்சியை ஊக்குவிப்பதற்கும் மிக முக்கியமானது. இந்தக் கட்டுரை செய்யறிவைச்(AI) சுற்றியுள்ள நெறிமுறைக் கருத்துக்களை ஆராய்ந்து, நெறிமுறை தீர்வுகளை உருவாக்குவதற்கான செயல்படக்கூடிய கட்டமைப்புகளை வழங்குகின்றது.
செய்யறிவின்(AI) மேம்பாட்டில் முக்கிய நெறிமுறை சவால்கள்
செய்யறிவின்(AI)அமைப்புகள் தருக்கநிலை சார்பு, நியாயத்தன்மை ஆகியன பெரும்பாலும் அவற்றின் பயிற்சித் தரவுகளில் உள்ள சார்புகளைப் பெறுகின்றன, இது சில குழுக்களுக்கு பாதகமாக இருக்கும் நியாயமற்ற விளைவுகளுக்கு வழிவகுக்கிறது.
எடுத்துக்காட்டாக:
சில மக்கள்தொகைக்கு சாதகமான சார்பு பணியமர்த்தல் வழிமுறைகள்.
குறிப்பிட்ட இனங்களுக்கு குறைந்த துல்லியத்துடன் முக அங்கீகார அமைப்புகள்.
அதை நிவர்த்தி செய்தல்:
பயிற்சியின் போது மாறுபட்ட ,பிரதிநிதித்துவ தரவுத்தொகுப்புகளைப் பயன்படுத்திடுக.
நியாயத்தன்மை அளவீடுகளைப் பயன்படுத்தி சார்புக்கான மாதிரிகளை தொடர்ந்து தணிக்கை செய்யவும்.
சார்புகளைத் தணிக்க எதிர்மறையான சார்பு போன்ற நுட்பங்களைப் பயன்படுத்திடுக.
வெளிப்படைத்தன்மை ,விளக்கமளிக்கக்கூடிய தன்மை ஆகிய செய்யறிவின்(AI) முடிவுகள் பெரும்பாலும் தெளிவற்றவை, குறிப்பாக ஆழ்கற்றல் மாதிரிகளில். இந்த “black box”இயல்பு செய்யறிவின்(AI) வெளியீடுகளைப் புரிந்துகொள்வதை அல்லது நம்புவதை கடினமாக்குகின்றது.
இதை நிவர்த்தி செய்தல்:
மாதிரிகளை விளக்கமளிக்கக்கூடியதாக மாற்ற SHAP அல்லது LIME போன்ற விளக்கமளிக்கக்கூடிய செய்யறிவு (XAI) நுட்பங்களைப் பயன்படுத்திடுக.
செய்யறிவின்(AI) அமைப்புகள் எவ்வாறு செயல்படுகின்றன என்பது பற்றிய தெளிவான ஆவணங்களை பயனர்களுக்கு வழங்கிடுக.
தனியுரிமை கவலைகள் செய்யறிவானது(AI) பெரும்பாலும் பெரிய தரவுத்தொகுப்புகளை நம்பியுள்ளது, இதில் முக்கியமான தனிப்பட்ட தகவல்கள் இருக்கலாம். தரவை முறையற்ற முறையில் கையாளுதல் தனியுரிமை மீறல்களுக்கு வழிவகுக்கின்றது.
அதை நிவர்த்தி செய்தல்:
அடையாளங்களைப் பாதுகாக்க தரவு சீரற்ற நுட்பங்களைப் பயன்படுத்திடுக.
தனிப்பட்ட தரவு புள்ளிகள் அடையாளம் காண முடியாததை உறுதிசெய்ய வேறுபட்ட தனியுரிமையைச் செயல்படுத்திடுக.
GDPR, HIPAA அல்லது CCPA போன்ற சட்டத் தரங்களைப் பின்பற்றிடுக.
பொறுப்புக்கூறல் ஒரு செய்யறிவு(AI) அமைப்பின் முடிவுகளுக்கு யார் பொறுப்பு என்பதைத் தீர்மானிப்பது – மேம்படுத்துநர்கள், நிறுவனங்கள் அல்லது செய்யறிவு(AI) தானே – ஒரு சிக்கலான பிரச்சினையாகவே உள்ளது.
இதை நிவர்த்தி செய்தல்:
செய்யறிவின்(AI) பயன்படுத்தலுக்கான பொறுப்புக்கூறல் கட்டமைப்புகளை தெளிவாக வரையறுத்திடுக.
பயன்படுத்துவதற்கு முன் முழுமையான தாக்க மதிப்பீடுகளை நடத்திடுக.
சுற்றுச்சூழல் தாக்க பயிற்சி பெரிய செய்யறிவின்(AI) மாதிரிகள் குறிப்பிடத்தக்க ஆற்றலைப் பயன்படுத்துகின்றன, கார்பன் வெளியேற்றத்திற்கு பங்களிக்கின்றன.
இதை நிவர்த்தி செய்தல்:
செயல்திறனுக்காக பயிற்சி செயல்முறைகளை மேம்படுத்துதல்.
புதுப்பிக்கத்தக்க எரிசக்தி மூலங்களால் இயக்கப்படும் ஆற்றல்-திறனுள்ள வன்பொருள் , தரவு மையங்கள் ஆகியவற்றினைப் பயன்படுத்திடுக.
செய்யறிவின்(AI) நெறிமுறைமேம்பாட்டிற்கான கட்டமைப்புகள்
இயந்திர கற்றலில் நியாயம், பொறுப்புக்கூறல் ,வெளிப்படைத்தன்மை (FAT-ML)
செய்யறிவின்(AI) அமைப்புகளில் நியாயம், பொறுப்புக்கூறல், வெளிப்படைத் தன்மையை உறுதி செய்வதற்கான வழிகாட்டுதல்களை FAT-ML வழங்குகிறது.
முக்கிய கொள்கைகள்:
மாதிரிகளை தொடர்ந்து தணிக்கை செய்திடுக.
பொது ஆய்வுக்காக செயல்திறன் அளவீடுகளை வெளியிடுக.
ஐரோப்பிய ஆணையத்தின் செய்யறிவின்(AI) நெறிமுறை வழிகாட்டுதல்கள்
இந்த வழிகாட்டுதல்கள் நம்பகமான செய்யறிவினை(AI) உறுதி செய்வதில்அதிக கவனம் செலுத்துகின்றன.
முக்கிய கொள்கைகள்:
மனித மேற்பார்வை.
தனியுரிமையும் தரவு நிர்வாகமும்.
வலிமையும் பாதுகாப்பும்.
Asilomar எனும்செய்யறிவின்(AI) கொள்கைகள்
எதிர்கால வாழ்க்கையானது நிறுவனத்தால் உருவாக்கப்பட்ட இந்த கொள்கைகள் செய்யறிவின்(AI) இன் நீண்டகால நெறிமுறை மற்றும் பாதுகாப்பு பரிசீலனைகளை வலியுறுத்துகின்றன.
முக்கிய கொள்கைகள்:
தன்னாட்சி ஆயுதங்களை இயக்குவதைத் தவிர்த்திடுக.
சமூகத்தில் செய்யறிவின்(AI) நன்மைகள் அபாயங்களை விட அதிகமாக இருப்பதை உறுதிசெய்திடுக.
செய்யறிவிற்கான(AI)ISO/IEC தரநிலைகள்
செய்யறிவின்(AI) இடர் மேலாண்மை , நெறிமுறை மேம்பாட்டிற்கான சர்வதேச தரநிலைப்படுத்தல் அமைப்பு (ISO) .செய்யறிவின்(AI) இடர் மேலாண்மை, நெறிமுறை மேம்பாட்டிற்கான கட்டமைப்புகளை வழங்குகிறது.
செய்யறிவின்(AI)நெறிமுறையை உருவாக்குவதற்கான நடைமுறை படிமுறைகள்
நெறிமுறை வடிவமைப்பில் தொடங்குக
பின்னர் தீர்வுகளை மறுசீரமைப்பதற்குப் பதிலாக, வடிவமைப்பு கட்டத்தில் நெறிமுறைக் கருத்தாய்வுகளை இணைத்திடுக.
சாத்தியமான நெறிமுறை அபாயங்களை அடையாளம் காண பல்வேறு பங்குதாரர்களை ஈடுபடுத்திடுக.
தொடர்ச்சியான கண்காணிப்பும் மதிப்பீடும்
நியாயத்தன்மை மற்றும் செயல்திறனை மதிப்பிடுவதற்கு AI Fairness 360 அல்லது What-If Tool போன்ற கருவிகளைப் பயன்படுத்திடுக.
பயன்படுத்தப்பட்ட மாதிரிகளின் தொடர்ச்சியான கண்காணிப்புக்கான அமைப்புகளை செயல்படுத்திடுக.
நெறிமுறையின் நடைமுறைகள் குறித்து குழுக்களுக்கு கற்பித்திடுக
செய்யறிவின்(AI)நெறிமுறை கொள்கைகள் குறித்து மேம்படுத்துநர்கள் , தரவு அறிவியலார்களுக்கு பயிற்சி அளித்திடுக.
சார்புகள், நியாயத்தன்மை ,தனியுரிமை கவலைகள் பற்றிய விழிப்புணர்வை ஊக்குவித்திடுக.
பயனர் மைய மேம்பாடு
எதிர்பாராத சிக்கல்களை அடையாளம் காண பரிசோதனை , பின்னூட்ட வளையத்தில் பயனர்களைச் சேர்த்திடுக.
செய்யறிவின்(AI) அமைப்புகளை இறுதி பயனர்களுக்கு வெளிப்படையானதாகவும் புரிந்துகொள்ளக்கூடியதாகவும் மாற்றியமைத்திடுக.
பயன்பாட்டு வழக்க ஆய்வுகள்
ஆட்சேர்ப்பு வழிமுறைகளில் சார்பு
சிக்கல்: பயிற்சி தரவுகளில் வரலாற்று சார்பு காரணமாக ஒரு ஆட்சேர்ப்பு செய்யறிவானது(AI)ஆண் வேட்பாளர்களுக்கு சாதகமாக அமைந்தது.
தீர்வு: பாலின-சமநிலையான தரவுத்தொகுப்பைப் பயன்படுத்தி வழிமுறையை மீண்டும் பயிற்சி அளித்து நியாயத்தன்மை அளவீடுகளைப் பயன்படுத்தியது.
மருத்துவ செய்யறிவின்(AI) தனியுரிமை
சிக்கல்: ஒரு மருத்துவ செய்யறிவின்(AI)அமைப்பு அடையாளம் காணக்கூடிய நோயாளியின் தரவைப் பயன்படுத்தியது, இது தனியுரிமை கவலைகளை எழுப்பியது.
தீர்வு: தரவு சீரற்றதாக ஆக்குவதை அறிமுகப்படுத்தியது, இணக்கத்திற்கான HIPAA தரநிலைகளை கடைபிடித்தது.
நிதி செய்யறிவின்(AI)இல் விளக்கமளிக்கக்கூடிய தன்மை
சிக்கல்: கடன் ஒப்புதல் மாதிரிகளில் வெளிப்படைத்தன்மை இல்லை, இது வாடிக்கையாளர் அதிருப்திக்கு வழிவகுத்தது.
தீர்வு: கடன் வழங்கிடும் முடிவுகளுக்கான காரணங்களை வழங்க ஒருங்கிணைந்த SHAP விளக்கங்கள்.
செய்யறிவு(AI)நெறிமுறையின் எதிர்காலம்
செய்யறிவானது(AI) தொடர்ந்து வளர்ச்சியடைந்து வருவதால், அதன் நெறிமுறை தாக்கங்கள் இன்னும் குறிப்பிடத்தக்கதாக மாறும். எதிர்கால சவால்களில் செய்யறிவின்(AI) சுயாட்சியை ஒழுங்குபடுத்துதல், செய்யறிவின்(AI) அமைப்புகள் மனித மதிப்புகளுடன் ஒத்துப்போவதை உறுதி செய்தல், பரவலான செய்யறிவினை (AI) ஏற்றுக்கொள்ளுதலின் சமூக தாக்கத்தை நிர்வகித்தல் ஆகியவை அடங்கும். இதை வழிநடத்த, மேம்படுத்துநர்கள், நெறிமுறையாளர்கள், கொள்கை வகுப்பாளர்கள் பொதுமக்களிடையே ஒத்துழைப்பு அவசியம்.
முடிவாக:
செய்யறிவின்(AI)நெறிமுறை மேம்பாடு என்பது ஒரு தொழில்நுட்ப சவால் மட்டுமல்ல, ஒரு சமூகப் பொறுப்பு. சார்பு, வெளிப்படைத்தன்மை, தனியுரிமை போன்ற பிரச்சினைகளை நிவர்த்தி செய்வதன் மூலம், சக்திவாய்ந்ததாக மட்டுமல்லாமல் சமமானதாகவும் நம்பகமானதாகவும் இருக்கும் செய்யறிவின்(AI) அமைப்புகளை நாம் உருவாக்க முடியும். நிறுவுகைசெய்யப்பட்ட கட்டமைப்புகளைப் பின்பற்றுவதும், தொடக்கத்திலிருந்தே நெறிமுறை பரிசீலனைகளை இணைப்பதும் செய்யறிவானது(AI) மனிதகுலத்திற்கு பொறுப்புடனும் நிலையானதாகவும் சேவை செய்வதை உறுதி செய்யக்கூடும்.
தொடரும்