tl; dr:
- Lorgaíonn meaisínfhoghlaim patrúin i sonraí. Ach is féidir le hintleachta saorga a bheith “claonta”—is é sin, faigh patrúin atá mícheart. Mar shampla, d'fhéadfadh córas braite ailse craicinn grianghraf-bhunaithe aird ar leith a thabhairt ar íomhánna a thógtar in oifig dochtúra. Ní féidir foghlaim meaisín a thuiscint: ní shainaithníonn a halgartaim ach patrúin in uimhreacha, agus mura bhfuil na sonraí ionadaíoch, is amhlaidh a bheidh toradh a bpróiseála. Agus is féidir a bheith deacair fabhtanna den sórt sin a ghabháil mar gheall ar mheicnic na foghlama meaisín.
- Is é an réimse faidhbe is soiléire agus is scanrúla ná éagsúlacht dhaonna. Tá go leor cúiseanna ann go bhféadfadh sonraí faoi dhaoine oibiachtúlacht a chailleadh fiú ag céim an bhailiúcháin. Ach ná bí ag smaoineamh go dtéann an fhadhb seo i bhfeidhm ar dhaoine amháin: tagann na deacrachtaí céanna chun cinn agus tú ag iarraidh tuile i stóras nó tuirbín gáis a bhrath. D’fhéadfadh córais áirithe a bheith claonta i dtreo dath an chraicinn, beidh cinn eile claonta i dtreo braiteoirí Siemens.
- Níl fadhbanna den sórt sin nua don mheaisínfhoghlaim, agus tá siad i bhfad ó uathúil. Déantar boinn tuisceana míchearta in aon struchtúr casta, agus bíonn sé deacair i gcónaí an fáth a ndearnadh cinneadh ar leith a thuiscint. Ní mór dúinn é seo a chomhrac ar bhealach cuimsitheach: uirlisí agus próisis a chruthú le haghaidh fíoraithe - agus oideachas a chur ar úsáideoirí ionas nach leanann siad go dall moltaí AI. Déanann meaisínfhoghlaim roinnt rudaí i bhfad níos fearr ná mar is féidir linn - ach bíonn madraí, mar shampla, i bhfad níos éifeachtaí ná daoine ag brath ar dhrugaí, rud nach cúis le húsáid mar fhinnéithe agus breithiúnais a dhéanamh bunaithe ar a gcuid fianaise. Agus tá madraí, dála an scéil, i bhfad níos cliste ná aon chóras meaisínfhoghlama.
Tá foghlaim meaisín ar cheann de na treochtaí bunúsacha teicneolaíochta is tábhachtaí inniu. Tá sé seo ar cheann de na bealaí móra ina n-athróidh an teicneolaíocht an domhan thart orainn sna deich mbliana atá romhainn. Is ábhar imní iad gnéithe áirithe de na hathruithe seo. Mar shampla, an tionchar a d’fhéadfadh a bheith ag meaisínfhoghlama ar mhargadh an tsaothair, nó a húsáid chun críocha mí-eiticiúil (mar shampla, ag réimis údarásacha). Tá fadhb eile a dtugann an post seo aghaidh uirthi: claonadh hintleachta saorga.
Ní scéal éasca é seo.
Is féidir le AI Google cait a aimsiú. Ba rud speisialta an nuacht seo ó 2012 an tráth sin.
Cad is “AI Bias” ann?
Is ocsamorón agus drochsmaoineamh é “sonraí amha”; ní mór sonraí a ullmhú go maith agus go cúramach. —Geoffrey Bocker
Áit éigin roimh 2013, chun córas a dhéanamh a aithníonn cait i ngrianghraif, bhí ort cur síos a dhéanamh ar chéimeanna loighciúla. Conas coirnéil a aimsiú in íomhá, súile a aithint, anailís a dhéanamh ar uigeachtaí fionnaidh, lapaí a chomhaireamh, agus mar sin de. Ansin cuir na comhpháirteanna go léir le chéile agus faigh amach nach n-oibríonn sé i ndáiríre. Go leor cosúil le capall meicniúil - go teoiriciúil is féidir é a dhéanamh, ach go praiticiúil tá sé ró-chasta cur síos a dhéanamh. Is é an toradh deiridh ná na céadta (nó fiú na mílte) rialacha lámhscríofa. Agus ní samhail oibre amháin.
Le teacht na meaisínfhoghlama, stopamar ag úsáid rialacha “láimhe” chun réad áirithe a aithint. Ina áit sin, glacaimid míle sampla de “seo”, X, míle sampla de “eile”, Y, agus iarraimid ar an ríomhaire samhail a thógáil bunaithe ar a n-anailís staitistiúil. Tugaimid roinnt sonraí samplacha don mhúnla seo ansin agus cinneann sé le cruinneas áirithe an n-oireann sé do cheann de na tacair. Gineann foghlaim meaisín samhail ó shonraí seachas ó dhuine a scríobhann iad. Tá na torthaí go hiontach, go háirithe i réimse an aitheantais íomhá agus patrún, agus is é sin an fáth go bhfuil an tionscal teicneolaíochta iomlán ag bogadh go dtí meaisínfhoghlaim (ML).
Ach nach bhfuil sé chomh simplí sin. Sa saol fíor, tá A, B, J, L, O, R, agus fiú L i do na mílte samplaí de X nó Y. D'fhéadfadh sé nach mbeadh siad seo scaipthe go cothrom, agus d'fhéadfadh go dtarlódh cuid acu chomh minic sin go n-íocfaidh an córas níos mó. aird a thabhairt orthu ná ar rudaí a bhfuil spéis agat iontu.
Cad a chiallaíonn sé seo go praiticiúil? Is é an sampla is fearr liom ná córais aitheantais íomhá . Tá sé soiléir cén fáth: tógtar an chuid is mó de na grianghraif shamplacha de "caoirigh" sna móinéir ina gcónaíonn siad, agus sna híomhánna seo tógann an féar i bhfad níos mó spáis ná na fluffanna beaga bána, agus is é an féar a mheasann an córas is tábhachtaí. .
Tá samplaí níos tromchúisí ann. Ceann amháin le déanaí chun ailse craicinn a bhrath i ngrianghraif. Iompaigh sé amach go dermatologists grianghraf go minic ar an rialóir chomh maith leis an manifestations ailse craicinn a thaifeadadh ar an méid de na bhfoirmíochtaí. Níl aon rialóirí sna grianghraif shamplacha de chraiceann sláintiúil. Maidir le córas AI, tá rialóirí den sórt sin (níos cruinne, na picteilíní a shainíonn muid mar “rialóir”) anois ar cheann de na difríochtaí idir tacair samplaí, agus uaireanta níos tábhachtaí ná gríos beag ar an gcraiceann. Mar sin aithníodh córas a cruthaíodh chun ailse craicinn a aithint uaireanta rialóirí ina ionad.
Is é an príomhphointe anseo ná nach bhfuil aon tuiscint shéimeantach ag an gcóras ar a bhfuil sé ag féachaint. Breathnaímid ar shraith picteilín agus feicimid caoirigh, craiceann nó rialóirí iontu, ach níl sa chóras ach uimhirlíne. Ní fheiceann sí spás tríthoiseach, ní fheiceann sí rudaí, uigeachtaí ná caoirigh. Ní fheiceann sí ach patrúin sna sonraí.
Is é an deacracht a bhaineann le fadhbanna den sórt sin a dhiagnóisiú ná go bhfuil na mílte nó na céadta mílte nóid sa líonra néarúil (an tsamhail a ghineann do chóras meaisínfhoghlama). Níl aon bhealach éasca le breathnú ar shamhail agus a fheiceáil conas a dhéanann sé cinneadh. Dá mbeadh a leithéid de bhealach ann chiallódh sé go bhfuil an próiseas simplí go leor chun cur síos a dhéanamh ar na rialacha go léir de láimh, gan úsáid a bhaint as meaisínfhoghlaim. Bíonn imní ar dhaoine go bhfuil an meaisínfhoghlaim anois ina bhosca dubh. (Míneoidh mé beagán níos déanaí cén fáth go bhfuil an chomparáid seo fós i bhfad ró.)
Is í seo, i dtéarmaí ginearálta, fadhb na laofachta san intleacht shaorga nó sa mheaisínfhoghlaim: d’fhéadfadh córas chun patrúin a aimsiú i sonraí na patrúin míchearta a aimsiú, agus b’fhéidir nach dtabharfaidh tú faoi deara é. Is saintréith bhunúsach den teicneolaíocht é seo, agus is léir do gach duine a oibríonn léi san acadamh agus ag cuideachtaí móra teicneolaíochta. Ach tá na hiarmhairtí a bhaineann leis casta, agus is amhlaidh atá ár réitigh fhéideartha ar na hiarmhairtí sin.
Déanaimis labhairt faoi na hiarmhairtí ar dtús.
Is féidir le AI, go hintuigthe dúinn, rogha a dhéanamh i bhfabhar catagóirí áirithe daoine, bunaithe ar líon mór comharthaí do-airithe
Cásanna Bias AI
Is follasaí agus is scanrúla, is féidir an fhadhb seo a léiriú nuair a bhaineann sé le héagsúlacht dhaonna. Le déanaí go ndearna Amazon iarracht córas meaisínfhoghlama a thógáil chun iarrthóirí poist a scagadh ar dtús. Ós rud é go bhfuil níos mó fear i measc oibrithe Amazon, is minice a bhíonn samplaí de “fhruiliú rathúil” fireann, agus bhí níos mó fear i roghnú na n-atosaithe a mhol an córas. Thug Amazon faoi deara é seo agus níor scaoil sé an córas isteach i dtáirgeadh.
Is é an rud is tábhachtaí sa sampla seo ná gur dúradh go raibh an córas i bhfabhar iarratasóirí fireanna, ainneoin nár sonraíodh inscne ar an atosú. Chonaic an córas patrúin eile i samplaí de “dea-fhostú”: mar shampla, d’fhéadfadh mná focail speisialta a úsáid chun cur síos a dhéanamh ar éachtaí, nó caitheamh aimsire speisialta a bheith acu. Ar ndóigh, ní raibh a fhios ag an gcóras cad a bhí i gceist le “haca”, nó cé hiad na “daoine”, nó cén “rath” a bhí ann – ní dhearna sé ach anailís staitistiúil ar an téacs. Ach is dócha nach dtabharfadh daoine faoi deara na patrúin a chonaic sí, agus is dócha go mbeadh sé deacair dúinn a fheiceáil i gcuid acu (mar shampla, go ndéanann daoine inscne éagsúla cur síos ar an rath) fiú dá mbreathnaimis orthu.
Tuilleadh - níos measa. D'fhéadfadh sé nach n-éireoidh chomh maith le córas meaisínfhoghlama atá an-mhaith ag fáil ailse ar chraiceann éadrom ar chraiceann dorcha, nó a mhalairt. Ní gá mar gheall ar chlaonadh, ach mar is dócha go gcaithfidh tú múnla ar leith a thógáil le haghaidh dath craiceann difriúil, ag roghnú tréithe éagsúla. Níl córais mheaisínfhoghlama idirmhalartaithe fiú i réimse chomh cúng mar aitheantas íomhá. Ní mór duit an córas a tweak, uaireanta ach trí thriail agus earráid, chun láimhseáil mhaith a fháil ar na gnéithe sna sonraí a bhfuil suim agat iontu go dtí go mbainfidh tú an cruinneas atá uait amach. Ach ní fhéadfaidh tú a thabhairt faoi deara go bhfuil an córas cruinn 98% den am le grúpa amháin, agus gan ach 91% (níos cruinne ná anailís dhaonna) leis an ngrúpa eile.
Go dtí seo bhain mé úsáid go príomha as samplaí a bhaineann le daoine agus a dtréithe. Díríonn an plé ar an bhfadhb seo go príomha ar an ábhar seo. Ach tá sé tábhachtach a thuiscint nach bhfuil sa chlaonadh i dtreo daoine ach cuid den fhadhb. Beimid ag baint úsáide as meaisínfhoghlaim le haghaidh go leor rudaí, agus beidh earráid samplála ábhartha dóibh go léir. Ar an láimh eile, má oibríonn tú le daoine, seans nach bhfuil baint ag an gclaonadh sna sonraí leo.
Chun é seo a thuiscint, déanaimis filleadh ar an sampla ailse craicinn agus trí fhéidearthacht hipitéiseach a mheas maidir le teip córais.
- Dáileadh ilchineálach daoine: líon neamhchothrom de ghrianghraif de toin éagsúla craicinn, as a dtagann dearfacha bréagacha nó claonchlónna bréagacha de bharr lí.
- Sna sonraí ar a gcuirtear oiliúint ar an gcóras tá gné a tharlaíonn go minic agus a dháiltear go ilchineálach nach mbaineann le daoine agus nach bhfuil aon luach diagnóiseach aige: rialóir i ngrianghraif d’ailse craicinn nó d’fhéar i ngrianghraif de chaoirigh. Sa chás seo, beidh an toradh difriúil má aimsíonn an córas picteilíní san íomhá de rud éigin a shainaithníonn an tsúil dhaonna mar “rialóir”.
- Tá tréith tríú páirtí sna sonraí nach féidir le duine a fheiceáil fiú má lorgaíonn sé é.
Céard is brí leis? Tá a fhios againn a priori go bhféadfadh sonraí ionadaíocht a dhéanamh ar ghrúpaí difriúla daoine ar bhealach difriúil, agus ar a laghad is féidir linn pleanáil a dhéanamh chun eisceachtaí dá leithéid a lorg. I bhfocail eile, tá go leor cúiseanna sóisialta le glacadh leis go bhfuil claontacht éigin cheana féin i sonraí faoi ghrúpaí daoine. Má fhéachann muid ar an grianghraf leis an rialóir, feicfimid an rialóir seo - ní raibh ach neamhaird déanta againn air roimhe seo, a fhios agam nach bhfuil sé cuma, agus ag dearmad nach bhfuil a fhios ag an gcóras rud ar bith.
Ach cad a tharlaíonn má tógadh do ghrianghraif uile de chraiceann míshláintiúil in oifig faoi sholas gealbhruthach, agus gur tógadh do chraiceann sláintiúil faoi sholas fluaraiseacha? Cad a tharlóidh más rud é, tar éis duit craiceann sláintiúil a lámhach, sula ndearna tú craiceann míshláintiúil a lámhach, nuashonraigh tú an córas oibriúcháin ar do ghuthán, agus gur athraigh Apple nó Google an algartam laghdaithe torainn beagán? Ní féidir le duine é seo a thabhairt faoi deara, is cuma cé mhéad a fhéachann sé le haghaidh gnéithe den sórt sin. Ach feicfidh agus úsáidfidh an córas meaisín-úsáid é seo láithreach. Níl a fhios aici rud ar bith.
Go dtí seo labhair muid faoi chomhghaolta bréagacha, ach d'fhéadfadh sé a bheith chomh maith go bhfuil na sonraí cruinn agus go bhfuil na torthaí ceart, ach níl tú ag iarraidh iad a úsáid ar chúiseanna eiticiúla, dlíthiúla nó bainistíochta. Ní cheadaíonn roinnt dlínsí, mar shampla, do mhná lascaine a fháil ar a n-árachas, cé go bhféadfadh mná a bheith ina dtiománaithe níos sábháilte. Is féidir linn a shamhlú go héasca córas a thabharfadh fachtóir riosca níos ísle d’ainmneacha baineanna agus anailís á déanamh ar shonraí stairiúla. Ceart go leor, bainimis ainmneacha den rogha. Ach cuimhnigh ar shampla Amazon: is féidir leis an gcóras inscne a chinneadh bunaithe ar fhachtóirí eile (cé nach bhfuil a fhios aige cad is inscne ann, nó fiú cad is carr ann), agus ní thabharfaidh tú faoi deara é seo go dtí go ndéanfaidh an rialtóir anailís go haisghníomhach ar na taraifí atá agat. tairiscint agus táillí gearrfar fíneáil ort.
Mar fhocal scoir, glactar leis go minic nach n-úsáidfimid córais den sórt sin ach amháin le haghaidh tionscadal a bhaineann le daoine agus le hidirghníomhaíochtaí sóisialta. Tá sé seo mícheart. Má dhéanann tú tuirbíní gáis, is dócha go mbeidh tú ag iarraidh meaisínfhoghlaim a chur i bhfeidhm ar an teiliméadracht a tharchuireann na mílte nó na céadta braiteoir ar do tháirge (gineann fuaime, físeáin, teocht, agus aon braiteoirí eile sonraí ar féidir iad a oiriúnú go héasca chun meaisín a chruthú). samhail foghlama). Go hipitéiseach, d’fhéadfá a rá, “Seo sonraí ó mhíle tuirbín ar theip orthu sular theip orthu, agus seo sonraí ó mhíle tuirbín nár theip. Tóg múnla lena insint cad é an difríocht atá eatarthu.” Bhuel, samhlaigh anois go bhfuil braiteoirí Siemens suiteáilte ar 75% de na tuirbíní olc, agus gan ach 12% de na cinn maith (níl aon bhaint acu le teipeanna). Tógfaidh an córas múnla chun tuirbíní a aimsiú le braiteoirí Siemens. Úps!
Pictiúr — Moritz Hardt, UC Berkeley
Bainistiú AI Bias
Cad is féidir linn a dhéanamh faoi? Féadfaidh tú dul i ngleic leis an tsaincheist ó thrí uillinn:
- Déine modheolaíochta maidir le sonraí a bhailiú agus a bhainistiú chun an córas a oiliúint.
- Uirlisí teicniúla chun anailís agus diagnóis a dhéanamh ar iompar samhail.
- Déan oiliúint, oideachas, agus bí cúramach agus tú ag cur foghlama meaisín i bhfeidhm i dtáirgí.
Tá greann i leabhar Molière “The Bourgeois in the Nobility”: dúradh le fear amháin go bhfuil an litríocht roinnte i bprós agus i bhfilíocht, agus bhí áthas air a fháil amach go raibh sé ag labhairt i bprós ar feadh a shaoil, i ngan fhios dó. Is dócha gur mar seo a mhothaíonn staitisteoirí sa lá atá inniu ann: gan é a thuiscint, tá a slite beatha tiomnaithe acu d’intleacht shaorga agus d’earráid shamplála. Ní fadhb nua é earráid samplála a lorg agus a bheith buartha faoi, ní mór dúinn ach cur chuige córasach a réiteach. Mar a luadh thuas, i gcásanna áirithe tá sé níos éasca é seo a dhéanamh trí staidéar a dhéanamh ar fhadhbanna a bhaineann le sonraí daoine. Glacaimid leis go bhféadfadh claontacht a bheith againn maidir le grúpaí éagsúla daoine, ach tá sé deacair dúinn fiú dochar a shamhlú faoi bhraiteoirí Siemens.
Is é an rud atá nua faoi seo go léir, ar ndóigh, ná nach ndéanann daoine anailís staitistiúil go díreach a thuilleadh. Déantar é ag meaisíní a chruthaíonn samhlacha móra casta atá deacair a thuiscint. Tá ceist na trédhearcachta ar cheann de na príomhghnéithe d’fhadhb an laofachta. Is eagal linn nach bhfuil an córas claonta amháin, ach nach bhfuil aon bhealach ann chun a chlaonadh a bhrath, agus go bhfuil foghlaim meaisín difriúil ó chineálacha eile uathoibrithe, atá ceaptha a bheith comhdhéanta de chéimeanna soiléire loighciúla ar féidir a thástáil.
Tá dhá fhadhb anseo. B’fhéidir go mbeimid fós in ann iniúchadh de chineál éigin a dhéanamh ar chórais meaisínfhoghlama. Agus níl sé níos éasca i ndáiríre aon chóras eile a iniúchadh.
Ar an gcéad dul síos, is é ceann de threoracha an taighde nua-aimseartha i réimse na meaisínfhoghlama ná modhanna a chuardach chun feidhmiúlacht thábhachtach na gcóras meaisínfhoghlama a aithint. É sin ráite, is réimse iomlán nua eolaíochta í an mheaisínfhoghlaim (ina staid reatha) atá ag athrú go tapa, mar sin ná bí ag smaoineamh nach féidir le rudaí atá dodhéanta inniu a bheith réadúil go luath. Tionscadal - sampla suimiúil de seo.
Ar an dara dul síos, tá an smaoineamh gur féidir leat próiseas cinnteoireachta na gcóras nó na n-eagraíochtaí atá ann cheana a thástáil agus a thuiscint go maith go teoiriciúil, ach mar sin is amhlaidh i gcleachtas. Níl sé éasca a thuiscint conas a dhéantar cinntí in eagraíocht mhór. Fiú má tá próiseas foirmiúil cinnteoireachta ann, ní léiríonn sé conas a idirghníomhaíonn daoine i ndáiríre, agus is minic nach mbíonn cur chuige loighciúil, córasach acu féin chun a gcinntí a dhéanamh. Mar a dúirt mo chomhghleacaí , is boscaí dubha iad daoine freisin.
Tóg míle duine i roinnt cuideachtaí agus institiúidí forluiteacha, agus éiríonn an fhadhb níos casta fós. Tá a fhios againn tar éis an bhfíric go raibh an Shuttle Spáis i ndán a bhriseadh suas ar fhilleadh, agus bhí daoine aonair laistigh de NASA faisnéis a thug cúis dóibh smaoineamh go bhféadfadh rud éigin dona tarlú, ach tá an córas. go ginearálta Ní raibh a fhios agam seo. Chuaigh NASA fiú trí iniúchadh den chineál céanna tar éis dó a shuttle roimhe seo a chailliúint, agus fós chaill sé ceann eile ar chúis an-chosúil. Is furasta a mhaíomh go leanann eagraíochtaí agus daoine rialacha soiléire, loighciúla ar féidir iad a thástáil, a thuiscint agus a athrú – ach cruthaíonn taithí a mhalairt. seo"'.
Is minic a chuirim meaisínfhoghlaim i gcomparáid le bunachair shonraí, go háirithe cinn choibhneasta - teicneolaíocht bhunúsach nua a d'athraigh cumais na heolaíochta ríomhaireachta agus an domhan thart timpeall uirthi, a tháinig chun bheith ina chuid de gach rud, a úsáidimid i gcónaí gan a bhaint amach. Tá fadhbanna ag bunachair shonraí freisin, agus tá siad den chineál céanna: féadfar an córas a thógáil ar dhrochbhoinn tuisceana nó ar dhrochshonraí, ach beidh sé deacair a thabhairt faoi deara, agus déanfaidh na daoine a úsáideann an córas an méid a insíonn sé dóibh gan ceisteanna a chur. Tá go leor seanscéalta ann faoi dhaoine cánach a litrigh d'ainm mícheart tráth, agus tá sé i bhfad níos deacra iad a chur ina luí orthu an botún a cheartú ná d'ainm a athrú. Tá go leor bealaí ann chun smaoineamh air seo, ach níl sé soiléir cé acu atá níos fearr: mar fhadhb theicniúil i SQL, nó mar fhabht i scaoileadh Oracle, nó mar theip ar institiúidí maorlathacha? Cé chomh deacair is atá sé fabht a aimsiú i bpróiseas a d’fhág nach raibh gné ceartúcháin typo ag an gcóras? An bhféadfaí é seo a dhéanamh amach sular thosaigh daoine ag gearán?
Léirítear an fhadhb seo níos simplí fós le scéalta nuair a thiomáineann tiománaithe isteach in aibhneacha mar gheall ar shonraí atá as dáta sa loingseoir. Ceart go leor, ní mór léarscáileanna a nuashonrú i gcónaí. Ach cé mhéad atá an milleán ar TomTom as do charr a bheith séidte amach chun farraige?
Is é an chúis a deirim seo ná go gcruthóidh laofacht meaisínfhoghlama fadhbanna. Ach beidh na fadhbanna seo cosúil leis na cinn a bhí romhainn san am a chuaigh thart, agus is féidir iad a thabhairt faoi deara agus iad a réiteach (nó nach bhfuil) chomh maith agus a bhí muid in ann san am atá caite. Dá bhrí sin, ní dócha go dtarlóidh cás ina ndéanann claonadh AI dochar do thaighdeoirí sinsearacha atá ag obair in eagraíocht mhór. Is dócha go scríobhfaidh conraitheoir teicneolaíochta nó díoltóir bogearraí neamhshuntasach rud éigin ar a ghlúine, ag baint úsáide as comhpháirteanna foinse oscailte, leabharlanna agus uirlisí nach dtuigeann siad. Agus ceannóidh an cliant mí-ádhúil an frása “intleacht shaorga” i gcur síos an táirge agus, gan aon cheist a chur, dáilfidh sé ar a chuid fostaithe ar phá íseal, ag ordú dóibh an méid a deir an AI a dhéanamh. Sin é go díreach a tharla le bunachair shonraí. Ní fadhb hintleachta saorga é seo, nó fiú fadhb bogearraí. Is é seo an fachtóir daonna.
Conclúid
Is féidir le meaisínfhoghlaim aon rud is féidir leat a mhúineadh do mhadra - ach ní féidir leat a bheith cinnte cad go díreach a mhúin tú don mhadra.
Is minic a mhothaím nach gcuireann an téarma “intleacht shaorga” isteach ach ar chomhráite mar seo. Tugann an téarma seo an tuiscint bhréagach gur chruthaigh muid é i ndáiríre - an fhaisnéis seo. Go bhfuil muid ar ár mbealach go HAL9000 nó Skynet - rud éigin go deimhin tuigeann. Ach níl. Is meaisíní iad seo, agus tá sé i bhfad níos cruinne iad a chur i gcomparáid le, abair, meaisín níocháin. Déanann sí níocháin i bhfad níos fearr ná duine, ach má chuireann tú miasa inti in ionad níocháin, nighfidh sí iad. Beidh na miasa a bheith fiú glan. Ach ní bheidh sé seo mar a raibh súil agat, agus ní tharlóidh sé seo toisc go bhfuil aon dochar ag an gcóras maidir le miasa. Níl a fhios ag an meaisín níocháin cad iad na miasa nó cad iad na héadaí - níl ann ach sampla d'uathoibriú, go coincheapúil níl aon difríocht idir an chaoi a ndearnadh próisis uathoibrithe roimhe seo.
Cibé an bhfuil muid ag caint faoi ghluaisteáin, eitleáin, nó bunachair shonraí, beidh na córais seo an-chumhachtach agus an-teoranta. Beidh siad ag brath go hiomlán ar an gcaoi a n-úsáideann daoine na córais seo, cibé an bhfuil a n-intinn go maith nó go dona, agus cé mhéad a thuigeann siad conas a oibríonn siad.
Mar sin, tá sé bréagach go hiomlán a rá gur “an mhatamaitic í an fhaisnéis shaorga, agus mar sin ní féidir laofachtaí a bheith aici”. Ach tá sé chomh bréagach céanna a rá go bhfuil an mheaisínfhoghlaim “suibiachtúil sa nádúr”. Aimsíonn meaisínfhoghlaim patrúin i sonraí, agus braitheann na patrúin a aimsíonn sí ar na sonraí, agus braitheann na sonraí orainne. Díreach mar a dhéanaimid leo. Déanann meaisínfhoghlaim roinnt rudaí i bhfad níos fearr ná mar is féidir linn - ach bíonn madraí, mar shampla, i bhfad níos éifeachtaí ná daoine ag brath ar dhrugaí, rud nach cúis le húsáid mar fhinnéithe agus breithiúnais a dhéanamh bunaithe ar a gcuid fianaise. Agus tá madraí, dála an scéil, i bhfad níos cliste ná aon chóras meaisínfhoghlama.
Aistriúchán: .
Eagarthóireacht: .
Pobal: .
Foinse: will.com