Mae deallusrwydd artiffisial a gwneud penderfyniadau awtomataidd yn dod â buddion nid yn unig ond hefyd risgiau penodol.
Beth yw deallusrwydd artiffisial a pham y gall fod yn beryglus?
Gall algorithmau dysgu brosesu llawer iawn o wybodaeth mewn cyfnod byr o amser, gan ragori ar alluoedd yr ymennydd dynol. Felly, mae cymwysiadau sy'n seiliedig ar ddeallusrwydd artiffisial bellach yn cael eu defnyddio mewn mwy a mwy o feysydd. Maent yn absennol mewn cyllid, gofal iechyd, addysg neu'r gyfraith. Fodd bynnag, mae dibynnu arnynt yn unig yn cynnwys rhai risgiau, yn enwedig os ydym yn gadael i'r algorithmau wneud penderfyniadau heb gael eu goruchwylio gan ddyn o gnawd a gwaed. Dysgir algorithmau o batrymau ailadroddus, y maent yn eu harsylwi yn y swm o ddata rydym yn eu bwydo. Mae'r broblem yn codi pan fydd y data mewnbwn hwn yn adlewyrchu'r rhagfarnau yn ein cymdeithas.
Pan fydd deallusrwydd artiffisial yn penderfynu chi
Mae deallusrwydd artiffisial yn cael ei ddefnyddio fwyfwy mewn systemau penderfynu algorithmig (ADS) fel y'u gelwir. Gall effeithiau’r penderfyniadau hyn fod yn ddifrifol iawn weithiau, er enghraifft pan fydd rhaglen gyfrifiadurol yn penderfynu a ydych yn gymwys i gael benthyciad banc neu driniaeth, a ddylent fynd â chi i’r swydd yr ydych yn gwneud cais amdani, neu a ddylid eich carcharu ai peidio. Os byddwn yn algorithmig yn rhoi'r data anghywir, gallant ddysgu bod yn "rhagfarnllyd" yn union fel ni, gan gopïo ein rhagfarnau. Er enghraifft, mae yna achosion lle mae rhaglenni hidlo ceiswyr gwaith wedi gwahaniaethu yn erbyn menywod. Yn union fel mae pobl yn ei wneud.
Sut i amddiffyn defnyddwyr yn oes deallusrwydd artiffisial?
Mae datblygiad deallusrwydd artiffisial a gwneud penderfyniadau awtomatig hefyd yn codi'r cwestiwn o sut i beidio â cholli hyder defnyddwyr. Pan fydd cwsmeriaid yn dod i gysylltiad â deallusrwydd artiffisial, dylent gael eu hysbysu'n glir a chael gwybod sut mae'n gweithio.
Ffynhonnell: EP, 22.4.2020