{"id":32781,"date":"2019-10-31T21:48:54","date_gmt":"2019-10-31T18:48:54","guid":{"rendered":"https:\/\/prohoster.info\/blog\/o-predvzyatosti-iskusstvennogo-intellekta\/"},"modified":"2019-10-31T21:48:54","modified_gmt":"2019-10-31T18:48:54","slug":"o-predvzyatosti-iskusstvennogo-intellekta","status":"publish","type":"post","link":"https:\/\/prohoster.info\/sv\/blog\/news\/o-predvzyatosti-iskusstvennogo-intellekta","title":{"rendered":"Om partiskhet inom artificiell intelligens","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"<p><img decoding=\"async\" alt=\"Om partiskhet inom artificiell intelligens\" src=\"\/wp-content\/uploads\/2019\/04\/05a731677e1231acceff953db8e1e26a.jpg\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<p><\/p>\n<h2 id=\"tldr\">tl;dr:<\/h2>\n<p><\/p>\n<ul>\n<li>Maskininl\u00e4rning letar efter m\u00f6nster i data. Men artificiell intelligens kan vara 'partisk' \u2014 det vill s\u00e4ga, den kan hitta felaktiga m\u00f6nster. Till exempel kan ett system f\u00f6r att uppt\u00e4cka hudcancer via fotografier f\u00e4sta s\u00e4rskild uppm\u00e4rksamhet vid bilder tagna i l\u00e4karmottagningar. Maskininl\u00e4rning kan inte <em>f\u00f6rst\u00e5<\/em>: dess algoritmer identifierar bara m\u00f6nster i siffror, och om data inte \u00e4r representativa kommer resultatet av deras bearbetning att vara detsamma. Att f\u00e5nga s\u00e5dana buggar kan vara sv\u00e5rt p\u00e5 grund av sj\u00e4lva mekaniken i maskininl\u00e4rning. <noindex><a rel=\"nofollow\" name=\"habracut\"><\/a><\/noindex><\/li>\n<li>Det mest uppenbara och skr\u00e4mmande \u043f\u0440\u043e\u0431\u043b\u0435\u043comr\u00e5det \u00e4r m\u00e4nniskors m\u00e5ngfald. Det finns m\u00e5nga sk\u00e4l till varf\u00f6r data om m\u00e4nniskor kan f\u00f6rlora objektivitet redan vid insamlingsstadiet. Men man b\u00f6r inte tro att detta problem bara g\u00e4ller m\u00e4nniskor: liknande sv\u00e5righeter uppst\u00e5r ocks\u00e5 vid f\u00f6rs\u00f6k att uppt\u00e4cka en \u00f6versv\u00e4mning p\u00e5 ett lager eller en trasig gasturbin. Vissa system kan ha f\u00f6rdomar mot hudf\u00e4rg, medan andra kan vara partiska mot Siemens-sensorer. <\/li>\n<li>Dessa problem \u00e4r inte nya f\u00f6r maskininl\u00e4rning, och de \u00e4r inte unika f\u00f6r bara den. Felaktiga antaganden g\u00f6rs i alla komplexa strukturer, och att f\u00f6rst\u00e5 varf\u00f6r ett visst beslut fattades \u00e4r alltid en utmaning. Detta m\u00e5ste bek\u00e4mpas p\u00e5 ett holistiskt s\u00e4tt: skapa verktyg och processer f\u00f6r verifiering \u2014 och utbilda anv\u00e4ndarna s\u00e5 att de inte blint f\u00f6ljer AI:s rekommendationer. Maskininl\u00e4rning g\u00f6r verkligen vissa saker mycket b\u00e4ttre \u00e4n vi g\u00f6r \u2014 men hundar, till exempel, \u00e4r betydligt effektivare \u00e4n m\u00e4nniskor p\u00e5 att uppt\u00e4cka droger, vilket inte alls \u00e4r en anledning att anv\u00e4nda dem som vittnen och d\u00f6ma baserat p\u00e5 deras vittnesm\u00e5l. Och hundar, f\u00f6r att n\u00e4mna det, \u00e4r mycket smartare \u00e4n n\u00e5got system f\u00f6r maskininl\u00e4rning. <\/li>\n<\/ul>\n<p>Maskininl\u00e4rning \u00e4r idag en av de viktigaste grundl\u00e4ggande teknologiska trenderna. Det \u00e4r ett av de fr\u00e4msta s\u00e4tten som teknologin kommer att f\u00f6r\u00e4ndra v\u00e4rlden omkring oss under det kommande decenniet. Vissa aspekter av dessa f\u00f6r\u00e4ndringar v\u00e4cker oro. Till exempel, den potentiella p\u00e5verkan av maskininl\u00e4rning p\u00e5 arbetsmarknaden, eller dess anv\u00e4ndning f\u00f6r oetiska syften (till exempel av auktorit\u00e4ra regimer). Det finns ytterligare ett problem, vilket detta inl\u00e4gg handlar om: <strong>partiskhet hos artificiell intelligens<\/strong>. <\/p>\n<p><\/p>\n<p>Det h\u00e4r \u00e4r en komplex historia. <\/p>\n<p><\/p>\n<p><img decoding=\"async\" alt=\"Om partiskhet inom artificiell intelligens\" src=\"\/wp-content\/uploads\/2019\/04\/d692fbfff47614758ab1d8e1516b2742.jpg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<em>Google AI kan hitta katter. Denna nyhet fr\u00e5n 2012 var d\u00e5 n\u00e5got speciellt.<\/em><\/p>\n<p><\/p>\n<h2 id=\"chto-takoe-predvzyatost-ii\">Vad \u00e4r \"AI-bias\"?<\/h2>\n<p><\/p>\n<blockquote><p><em>\"R\u00e5data\" \u00e4r b\u00e5de en oxymoron och en d\u00e5lig id\u00e9; data m\u00e5ste bearbetas noggrant och med omsorg.<\/em> \u2014Jeffrey Boker <\/p><\/blockquote>\n<p>Fram till 2013, f\u00f6r att skapa ett system som, s\u00e4g, k\u00e4nner igen katter p\u00e5 fotografier, beh\u00f6vde du beskriva logiska steg. Hur man hittar h\u00f6rn i bilden, k\u00e4nner igen \u00f6gon, analyserar texturer f\u00f6r p\u00e4ls, r\u00e4knar f\u00f6tter och s\u00e5 vidare. Sedan sammanst\u00e4llde man alla komponenter \u2013 och ins\u00e5g att det knappt fungerade. Ungef\u00e4r som en mekanisk h\u00e4st \u2013 teoretiskt m\u00f6jligt, men praktiskt sett f\u00f6r komplicerat att beskriva. I slut\u00e4ndan fick man hundratals (eller till och med tusentals) handskrivna regler. Och ingen fungerande modell. <\/p>\n<p><\/p>\n<p>Med maskininl\u00e4rning slutade vi anv\u00e4nda \"manuella\" regler f\u00f6r att k\u00e4nna igen olika objekt. Ist\u00e4llet tar vi tusen exempel av \"det\", X, tusen exempel av \"det andra\", Y, och f\u00e5r datorn att bygga en modell baserad p\u00e5 deras statistiska analys. Sedan ger vi denna modell ett exempel p\u00e5 data, och den best\u00e4mmer med viss precision om det passar n\u00e5gon av upps\u00e4ttningarna. Maskininl\u00e4rning genererar en modell baserat p\u00e5 data, snarare \u00e4n med hj\u00e4lp av en m\u00e4nniska som skriver den. Resultaten \u00e4r imponerande, s\u00e4rskilt inom bild- och m\u00f6nsterigenk\u00e4nning, och det \u00e4r d\u00e4rf\u00f6r hela teknikbranschen nu g\u00e5r \u00f6ver till maskininl\u00e4rning (ML). <\/p>\n<p><\/p>\n<p>Men det \u00e4r inte s\u00e5 enkelt. I verkliga livet inneh\u00e5ller dina tusen exempel X eller Y ocks\u00e5 A, B, J, L, O, R och \u00e4ven L. De kan vara oj\u00e4mnt f\u00f6rdelade, och vissa av dem kan f\u00f6rekomma s\u00e5 ofta att systemet l\u00e4gger mer vikt vid dem \u00e4n vid de objekt som du \u00e4r intresserad av.<\/p>\n<p><\/p>\n<p>Vad betyder det h\u00e4r i praktiken? Mitt favoritexempel \u00e4r n\u00e4r bildigenk\u00e4nningssystem <noindex><a rel=\"nofollow\" href=\"http:\/\/aiweirdness.com\/post\/171451900302\/do-neural-nets-dream-of-electric-sheep\">tittar p\u00e5 en gr\u00f6nskande kulle och s\u00e4ger: \"ett f\u00e5r\"<\/a><\/noindex>. Det \u00e4r tydligt varf\u00f6r: de flesta exempelbilder p\u00e5 \"f\u00e5r\" tas p\u00e5 \u00e4ngar d\u00e4r de bor, och p\u00e5 dessa bilder tar gr\u00e4set upp mycket mer utrymme \u00e4n de sm\u00e5 vita fluffiga f\u00e5ren, och just gr\u00e4set bed\u00f6ms som det viktigaste av systemen. <\/p>\n<p><\/p>\n<p>Det finns ocks\u00e5 allvarligare exempel. Ett av de senaste \u00e4r ett <noindex><a rel=\"nofollow\" href=\"https:\/\/www.medpagetoday.com\/dermatology\/generaldermatology\/70513\">projektet<\/a><\/noindex> i uppt\u00e4ckten av hudcancer p\u00e5 fotografier. Det visade sig att dermatologer ofta fotograferar en linjal tillsammans med manifestationer av hudcancer f\u00f6r att dokumentera storleken p\u00e5 formationerna. P\u00e5 exempelbilder av frisk hud finns det inga linjaler. F\u00f6r ett AI-system blev dessa linjaler (mer exakt, pixlar som vi identifierar som \"linjal\") en av skillnaderna mellan upps\u00e4ttningarna av exempel, och ibland viktigare \u00e4n sm\u00e5 utslag p\u00e5 huden. S\u00e5 systemet, som skapades f\u00f6r att k\u00e4nna igen hudcancer, k\u00e4nde ibland igen linjaler ist\u00e4llet f\u00f6r det. <\/p>\n<p><\/p>\n<p>Den centrala punkten h\u00e4r \u00e4r att systemet inte har en semantisk f\u00f6rst\u00e5else f\u00f6r vad det tittar p\u00e5. Vi ser ett antal pixlar och identifierar dem som en f\u00e5r, hud eller linjaler, medan systemet endast ser en numerisk str\u00e4ng. Det ser inte tredimensionellt utrymme, ser varken objekt, texturer eller f\u00e5r. Det ser bara m\u00f6nster i datan. <\/p>\n<p><\/p>\n<p>Sv\u00e5righeten med att diagnostisera s\u00e5dana problem \u00e4r att neurala n\u00e4tverk (modellen som genererats av ditt maskininl\u00e4rningssystem) best\u00e5r av tusentals hundratusentals noder. Det finns inget enkelt s\u00e4tt att titta in i modellen och se hur den fattar beslut. Att ha ett s\u00e5dant s\u00e4tt skulle inneb\u00e4ra att processen \u00e4r tillr\u00e4ckligt enkel f\u00f6r att beskriva alla regler manuellt, utan att anv\u00e4nda maskininl\u00e4rning. M\u00e4nniskor oroar sig f\u00f6r att maskininl\u00e4rning har blivit n\u00e5gon slags \"svart l\u00e5da\". (Jag f\u00f6rklarar snart varf\u00f6r denna j\u00e4mf\u00f6relse \u00e4nd\u00e5 \u00e4r \u00f6verdriven.) <\/p>\n<p><\/p>\n<p>Detta \u00e4r i stora drag problemet med f\u00f6rdomar i artificiell intelligens eller maskininl\u00e4rning: systemet f\u00f6r att hitta m\u00f6nster i data kan hitta felaktiga m\u00f6nster, och du kan om\u00f6jligt m\u00e4rka det. Detta \u00e4r en grundl\u00e4ggande egenskap hos teknologin, och det \u00e4r uppenbart f\u00f6r alla som arbetar med den inom vetenskapliga kretsar och stora teknikf\u00f6retag. Men dess konsekvenser \u00e4r komplexa, och v\u00e5ra m\u00f6jliga l\u00f6sningar p\u00e5 dessa konsekvenser \u00e4r ocks\u00e5. <\/p>\n<p><\/p>\n<p>L\u00e5t oss f\u00f6rst prata om konsekvenserna. <\/p>\n<p><\/p>\n<p><img decoding=\"async\" alt=\"Om partiskhet inom artificiell intelligens\" src=\"\/wp-content\/uploads\/2019\/04\/43748412bd82ae53a9c2e47afec9c655.jpg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<em>AI kan implicit g\u00f6ra val f\u00f6r oss till f\u00f6rm\u00e5n f\u00f6r olika kategorier av m\u00e4nniskor baserat p\u00e5 ett stort antal osynliga signaler.<\/em><\/p>\n<p><\/p>\n<h2 id=\"scenarii-predvzyatosti-ii\">Scenarier f\u00f6r AI-f\u00f6rdomar.<\/h2>\n<p><\/p>\n<p>Det mest uppenbara och skr\u00e4mmande \u00e4r att detta problem kan visa sig n\u00e4r det handlar om m\u00e4nsklig m\u00e5ngfald. Nyligen <noindex><a rel=\"nofollow\" href=\"https:\/\/www.reuters.com\/article\/us-amazon-com-jobs-automation-insight\/amazon-scraps-secret-ai-recruiting-tool-that-showed-bias-against-women-idUSKCN1MK08G\">kan det ha f\u00f6rekommit rykten.<\/a><\/noindex>, som Amazon f\u00f6rs\u00f6kte bygga ett system f\u00f6r maskininl\u00e4rning f\u00f6r prim\u00e4r urval av jobbkandidater. Eftersom det finns fler m\u00e4n bland Amazons anst\u00e4llda, var exempel p\u00e5 \"lyckad rekrytering\" ocks\u00e5 oftare av manligt k\u00f6n, och i urvalet av CV:n som systemet f\u00f6reslog fanns det fler m\u00e4n. Amazon m\u00e4rkte detta och sl\u00e4ppte inte systemet i produktion. <\/p>\n<p><\/p>\n<p>Det viktigaste i detta exempel \u00e4r att systemet, enligt rykten, f\u00f6redrog manliga kandidater, trots att k\u00f6n inte angavs i CV:n.<strong> Systemet s\u00e5g andra m\u00f6nster i exemplen p\u00e5 \"lyckad rekrytering\": till exempel kan kvinnor anv\u00e4nda speciella ord f\u00f6r att beskriva prestationer, eller ha s\u00e4rskilda hobbyer. Sj\u00e4lvklart visste inte systemet vad \"hockey\" var, vem \"m\u00e4nniskor\" var, eller vad \"framg\u00e5ng\" var \u2013 det utf\u00f6rde bara statistisk analys av texten.<\/strong> Men de m\u00f6nster som det s\u00e5g skulle troligen f\u00f6rbli obem\u00e4rkta av en m\u00e4nniska, och vissa av dem (till exempel att m\u00e4nniskor av olika k\u00f6n beskriver framg\u00e5ng p\u00e5 olika s\u00e4tt) skulle vi troligen ha sv\u00e5rt att se, \u00e4ven om vi tittade p\u00e5 dem. <\/p>\n<p><\/p>\n<p>Det blir v\u00e4rre. Ett maskininl\u00e4rningssystem som mycket bra uppt\u00e4cker cancer p\u00e5 ljus hud kan fungera s\u00e4mre p\u00e5 m\u00f6rk hud, eller tv\u00e4rtom. Inte n\u00f6dv\u00e4ndigtvis p\u00e5 grund av partiskhet, utan f\u00f6r att du troligen beh\u00f6ver bygga en separat modell f\u00f6r en annan hudf\u00e4rg och v\u00e4lja andra egenskaper.<strong> Maskininl\u00e4rningssystem \u00e4r inte utbytbara ens i en s\u00e5 sn\u00e4v sf\u00e4r som bildigenk\u00e4nning.<\/strong> Du m\u00e5ste anpassa systemet, ibland bara genom f\u00f6rs\u00f6k och misstag, f\u00f6r att bra kunna l\u00e4gga m\u00e4rke till egenskaperna i de data som intresserar dig, tills du n\u00e5r \u00f6nskad noggrannhet. Men du kanske inte m\u00e4rker att systemet \u00e4r 98 % korrekt n\u00e4r det arbetar med en grupp och bara 91 % (\u00e4ven om det \u00e4r mer exakt \u00e4n en m\u00e4nsklig analys) med en annan. <\/p>\n<p><\/p>\n<p>Jag har hittills mest anv\u00e4nt exempel som r\u00f6r m\u00e4nniskor och deras egenskaper. Det \u00e4r detta tema som diskussionen runt detta problem i huvudsak fokuserar p\u00e5. Men det \u00e4r viktigt att f\u00f6rst\u00e5 att partiskhet mot m\u00e4nniskor bara \u00e4r en del av problemet. Vi kommer att anv\u00e4nda maskininl\u00e4rning f\u00f6r m\u00e5nga saker, och urvalsfelet kommer att vara relevant f\u00f6r alla dessa. \u00c5 andra sidan, om du arbetar med m\u00e4nniskor, kan datapartiskhet vara orelaterad till dem. <\/p>\n<p><\/p>\n<p>F\u00f6r att f\u00f6rst\u00e5 detta, l\u00e5t oss \u00e5terv\u00e4nda till exemplet med hudcancer och \u00f6verv\u00e4ga tre hypotetiska s\u00e4tt som systemet kan bryta ner. <\/p>\n<p><\/p>\n<ol>\n<li>Oj\u00e4mt f\u00f6rdelad befolkning: en obalanserad m\u00e4ngd fotografier av hud av olika nyanser, vilket leder till falskt positiva eller falskt negativa resultat relaterade till pigmentering. <\/li>\n<li>De data som systemet tr\u00e4nas p\u00e5 inneh\u00e5ller en frekvent och oj\u00e4mt f\u00f6rdelad egenskap som inte \u00e4r relaterad till m\u00e4nniskor och saknar diagnostiskt v\u00e4rde: en linjal p\u00e5 fotografier av hudcancer eller gr\u00e4s p\u00e5 fotografier av f\u00e5r. I det h\u00e4r fallet kommer resultatet att skilja sig om systemet hittar pixlar av n\u00e5got som det m\u00e4nskliga \u00f6gat skulle identifiera som \"linjal\". <\/li>\n<li>Data inneh\u00e5ller en extern egenskap som en m\u00e4nniska inte kan se, \u00e4ven om hen letar efter den. <\/li>\n<\/ol>\n<p><\/p>\n<p>Vad inneb\u00e4r detta? Vi vet i f\u00f6rv\u00e4g att data kan representera olika grupper av m\u00e4nniskor p\u00e5 olika s\u00e4tt och att vi \u00e5tminstone kan planera f\u00f6r att s\u00f6ka efter s\u00e5dana undantag. Med andra ord finns det m\u00e5nga sociala sk\u00e4l att anta att data om grupper av m\u00e4nniskor redan inneh\u00e5ller en viss f\u00f6rdom. Om vi tittar p\u00e5 fotot med en linjal ser vi den linjalen \u2014 vi har helt enkelt ignorerat den tidigare, med vetskap om att den inte \u00e4r relevant, och gl\u00f6mt att systemet vet ingenting.<\/p>\n<p><\/p>\n<p>Men vad h\u00e4nder om alla dina fotografier av oh\u00e4lsosam hud tas i ett kontor d\u00e4r gl\u00f6dlampor anv\u00e4nds, medan de friska tas under fluorescerande ljus? Vad h\u00e4nder om du efter att ha filmat den friska huden uppdaterade operativsystemet p\u00e5 din telefon innan du fotograferade den oh\u00e4lsosamma huden, och Apple eller Google \u00e4ndrade algoritmen f\u00f6r brusreducering n\u00e5got? En m\u00e4nniska skulle inte m\u00e4rka detta, oavsett hur mycket hen letar efter s\u00e5dana egenskaper. Men systemet f\u00f6r maskininl\u00e4rning ser genast detta och anv\u00e4nder det. Det vet ingenting. <\/p>\n<p><\/p>\n<p>\u00c4ven om vi har talat om falska korrelationer kan det ocks\u00e5 h\u00e4nda att b\u00e5de data \u00e4r korrekta och resultaten \u00e4r riktiga, men att du inte vill anv\u00e4nda dem av etiska, juridiska eller f\u00f6rvaltningsm\u00e4ssiga sk\u00e4l. I vissa jurisdiktioner f\u00e5r man till exempel inte ge kvinnor rabatt p\u00e5 f\u00f6rs\u00e4kringar, trots att kvinnor kanske k\u00f6r s\u00e4krare. Vi kan enkelt f\u00f6rest\u00e4lla oss ett system som, n\u00e4r det analyserar historiska data, tilldelar kvinnliga namn en l\u00e4gre riskkoefficient. Okej, l\u00e5t oss ta bort namnen fr\u00e5n urvalet. Men kom ih\u00e5g exemplet med Amazon: systemet kan identifiera k\u00f6n baserat p\u00e5 andra faktorer (\u00e4ven om det inte vet vad k\u00f6n \u00e4r, eller vad en bil \u00e4r), och du kommer inte att m\u00e4rka det f\u00f6rr\u00e4n en regulatorbacktrackar och analyserar de erbjudanden du presenterat och \u00e5l\u00e4gger dig b\u00f6ter. <\/p>\n<p><\/p>\n<p>Till sist antas det ofta att vi endast kommer att anv\u00e4nda s\u00e5dana system f\u00f6r projekt som \u00e4r relaterade till m\u00e4nniskor och sociala interaktioner. S\u00e5 \u00e4r inte fallet. Om du tillverkar gasturbiner vill du f\u00f6rmodligen anv\u00e4nda maskininl\u00e4rning p\u00e5 telemetri som \u00f6verf\u00f6rs av dussintals eller hundratals sensorer i din produkt (ljud-, video-, temperatur- och andra sensorer genererar data som l\u00e4tt kan anpassas f\u00f6r att skapa en maskininl\u00e4rningsmodell). Hypotetiskt kan du s\u00e4ga: \"H\u00e4r \u00e4r data om tusen trasiga turbiner som samlades in f\u00f6re deras fel, och h\u00e4r \u00e4r data fr\u00e5n tusen turbiner som inte har g\u00e5tt s\u00f6nder. Bygg en modell som s\u00e4ger vad som skiljer dem \u00e5t.\" Men nu t\u00e4nk dig att Siemens-sensorer finns p\u00e5 75 % av de d\u00e5liga turbinerna och endast 12 % av de bra (utan samband med felen). Systemet kommer att bygga en modell f\u00f6r att hitta turbiner med Siemens-sensorer. Oops!<\/p>\n<p><\/p>\n<p><img decoding=\"async\" alt=\"Om partiskhet inom artificiell intelligens\" src=\"\/wp-content\/uploads\/2019\/04\/e8097e4913756fdf04826a6628bc6836.jpg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\nBild \u2014 Moritz Hardt, UC Berkeley<\/p>\n<p><\/p>\n<h2 id=\"upravlenie-predvzyatostyu-ii\">Hantering av AI-bias<\/h2>\n<p><\/p>\n<p>Vad kan vi g\u00f6ra \u00e5t detta? Vi kan n\u00e4rma oss fr\u00e5gan fr\u00e5n tre h\u00e5ll:<\/p>\n<p><\/p>\n<ol>\n<li>Metodologisk noggrannhet vid insamling och hantering av data f\u00f6r att tr\u00e4na systemet.<\/li>\n<li>Tekniska verktyg f\u00f6r att analysera och diagnostisera modellens beteende.<\/li>\n<li>Utbildning, tr\u00e4ning och f\u00f6rsiktighet vid implementering av maskininl\u00e4rning i produkter.<\/li>\n<\/ol>\n<p><\/p>\n<p>I boken \"M\u00e4staren i adel\" av Moli\u00e8re finns det ett sk\u00e4mt: en man f\u00e5r veta att litteratur delas in i prosa och dikt, och han uppt\u00e4cker med f\u00f6rundran att han hela sitt liv har talat prosa utan att veta om det. Antagligen k\u00e4nner statistiker sig ocks\u00e5 s\u00e5 idag: utan att m\u00e4rka det har de \u00e4gnat sina karri\u00e4rer \u00e5t artificiell intelligens och urvalsfel. Att s\u00f6ka felet i urvalet och oroa sig \u00f6ver det \u00e4r inget nytt problem; vi m\u00e5ste helt enkelt n\u00e4rma oss l\u00f6sningen p\u00e5 det systematiskt. Som n\u00e4mnt ovan \u00e4r det i vissa fall verkligen l\u00e4ttare att studera problem relaterade till data om m\u00e4nniskor. Vi utg\u00e5r per definition fr\u00e5n att vi kan ha f\u00f6rdomar gentemot olika grupper av m\u00e4nniskor, men att ha f\u00f6rdomar om Siemens-sensorer kan vi knappt ens f\u00f6rest\u00e4lla oss.<\/p>\n<p><\/p>\n<p>Det nya i allt detta \u00e4r f\u00f6rst\u00e5s att m\u00e4nniskor inte l\u00e4ngre sysslar med statistisk analys direkt. Det utf\u00f6rs av maskiner som skapar stora, komplexa modeller som \u00e4r sv\u00e5ra att f\u00f6rst\u00e5. Fr\u00e5gan om transparens \u00e4r en av de grundl\u00e4ggande aspekterna av problematiken med partiskhet. Vi \u00e4r r\u00e4dda f\u00f6r att systemet inte bara \u00e4r partiskt, utan att det inte finns n\u00e5gon m\u00f6jlighet att uppt\u00e4cka dess partiskhet, och att maskininl\u00e4rning skiljer sig fr\u00e5n andra former av automatisering, som f\u00f6rv\u00e4ntas best\u00e5 av tydliga logiska steg som kan verifieras. <\/p>\n<p><\/p>\n<p>H\u00e4r finns det tv\u00e5 problem. Vi kan kanske \u00e4nd\u00e5 genomf\u00f6ra n\u00e5gon form av granskning av maskininl\u00e4rningssystem. Och att granska vilket annat system som helst \u00e4r faktiskt inte l\u00e4ttare.<\/p>\n<p><\/p>\n<p>F\u00f6r det f\u00f6rsta \u00e4r en av riktningarna inom modern forskning inom maskininl\u00e4rning att hitta metoder f\u00f6r att identifiera viktig funktionalitet hos maskininl\u00e4rningssystem. Samtidigt \u00e4r maskininl\u00e4rning (i sitt nuvarande tillst\u00e5nd) ett helt nytt vetenskapsomr\u00e5de som f\u00f6r\u00e4ndras snabbt, s\u00e5 det \u00e4r inte klokt att tro att idag om\u00f6jliga saker snart kan bli helt reella. Projektet <noindex><a rel=\"nofollow\" href=\"https:\/\/openai.com\/\">OpenAI<\/a><\/noindex> \u00e4r ett intressant exempel p\u00e5 detta. <\/p>\n<p><\/p>\n<p>F\u00f6r det andra, id\u00e9n att man kan kontrollera och f\u00f6rst\u00e5 beslutsprocessen i befintliga system eller organisationer \u00e4r bra i teorin, men inte s\u00e5 mycket i praktiken. Att f\u00f6rst\u00e5 hur beslut fattas i en stor organisation \u00e4r inte enkelt. \u00c4ven om det finns en formell beslutsprocess, \u00e5terspeglar den inte hur m\u00e4nniskor faktiskt interagerar, och de sj\u00e4lva har ofta inte en logisk systematisk metod f\u00f6r sina beslut. Som min kollega sa <noindex><a rel=\"nofollow\" href=\"https:\/\/en.wikipedia.org\/wiki\/Vijay_S._Pande\">Vijay Pande<\/a><\/noindex>, <strong>m\u00e4nniskor \u00e4r ocks\u00e5 svarta l\u00e5dor<\/strong>. <\/p>\n<p><\/p>\n<p>Ta tusen personer i flera \u00f6verlappande f\u00f6retag och institutioner, och problemet blir \u00e4nnu mer komplicerat. Vi vet i efterhand att \"Space Shuttle\" var d\u00f6md att splittras vid \u00e5terkomsten, och enskilda individer inom NASA hade information som gav dem anledning att tro att n\u00e5got d\u00e5ligt kunde h\u00e4nda, men systemet <em>i stort sett<\/em> visste inte detta. NASA hade \u00e4ven just genomf\u00f6rt en liknande granskning och f\u00f6rlorat den tidigare rymdf\u00e4rjan, och \u00e4nd\u00e5 f\u00f6rlorade man \u00e4nnu en \u2014 av en mycket liknande anledning. Det \u00e4r l\u00e4tt att p\u00e5st\u00e5 att organisationer och m\u00e4nniskor f\u00f6ljer tydliga logiska regler som kan kontrolleras, f\u00f6rst\u00e5s och f\u00f6r\u00e4ndras \u2014 men erfarenheten s\u00e4ger n\u00e5got annat. Det \u00e4r \"<noindex><a rel=\"nofollow\" href=\"https:\/\/ru.wikipedia.org\/wiki\/%D0%93%D0%BE%D1%81%D0%BF%D0%BB%D0%B0%D0%BD_%D0%A1%D0%A1%D0%A1%D0%A0\">Gosplan-misstaget<\/a><\/noindex>\u00bb.<\/p>\n<p><\/p>\n<p><strong>Jag j\u00e4mf\u00f6r ofta maskininl\u00e4rning med databaser, s\u00e4rskilt relationella \u2014 en ny fundamentalt teknologi som f\u00f6r\u00e4ndrade m\u00f6jligheterna inom datavetenskap och v\u00e4rlden omkring den, som blev en del av allt, som vi konstant anv\u00e4nder utan att vara medvetna om det.<\/strong> \u00c4ven databaser har problem som liknar dessa: systemet kan vara byggt p\u00e5 felaktiga antaganden eller d\u00e5liga data, men det \u00e4r sv\u00e5rt att uppt\u00e4cka, och de som anv\u00e4nder systemet kommer att g\u00f6ra vad det s\u00e4ger utan att ifr\u00e5gas\u00e4tta. Det finns m\u00e5nga gamla sk\u00e4mt om skattemyndighetens anst\u00e4llda som felaktigt skrev ditt namn en g\u00e5ng, och att \u00f6vertyga dem att r\u00e4tta till felet \u00e4r mycket sv\u00e5rare \u00e4n att verkligen \u00e4ndra ditt namn. Man kan t\u00e4nka p\u00e5 detta p\u00e5 olika s\u00e4tt, men det \u00e4r oklart vad som \u00e4r b\u00e4st: som ett tekniskt problem i SQL, eller som ett fel i en Oracle-version, eller som ett misslyckande hos byr\u00e5kratiska institutioner? Hur sv\u00e5rt \u00e4r det att hitta ett misstag i processen som ledde till att systemet inte har en funktion f\u00f6r att r\u00e4tta stavfel? Kunde det ha f\u00f6rst\u00e5tts innan folk b\u00f6rjade klaga? <\/p>\n<p><\/p>\n<p>Detta illustreras \u00e4nnu enklare genom historier om f\u00f6rare som p\u00e5 grund av f\u00f6r\u00e5ldrade data i navigat\u00f6rer k\u00f6r ner i floder. Okej, kartorna m\u00e5ste uppdateras kontinuerligt. Men hur mycket skuld har TomTom f\u00f6r att din bil dras ut i havet?<\/p>\n<p><\/p>\n<p>Jag s\u00e4ger detta f\u00f6r att ja - f\u00f6rdomar i maskininl\u00e4rning kommer att skapa problem. Men dessa problem kommer att likna de vi har st\u00e4llts inf\u00f6r tidigare, och de kan m\u00e4rkas och l\u00f6sas (eller inte) ungef\u00e4r lika bra som vi har lyckats med tidigare. D\u00e4rf\u00f6r \u00e4r scenariot d\u00e4r AI-f\u00f6rdomar skadar osannolikt att intr\u00e4ffa med ledande forskare som arbetar inom stora organisationer. Troligtvis kommer n\u00e5gon obetydlig teknisk entrepren\u00f6r eller programvaruleverant\u00f6r att skriva n\u00e5got hastigt, med ok\u00e4nda open-source-komponenter, bibliotek och verktyg. Och den olycklige kunden kommer att g\u00e5 p\u00e5 frasen \"artificiell intelligens\" i produktbeskrivningen och, utan att st\u00e4lla f\u00f6r m\u00e5nga fr\u00e5gor, dela det med sina l\u00e5gavl\u00f6nade arbetare, och \u00e5l\u00e4gga dem att g\u00f6ra vad AI s\u00e4ger. Det \u00e4r precis vad som h\u00e4nde med databaser. Detta \u00e4r inte ett problem med artificiell intelligens, och inte ens ett problem med programvara. Det \u00e4r en m\u00e4nsklig faktor.<\/p>\n<p><\/p>\n<h2 id=\"zaklyuchenie\">Slutsats<\/h2>\n<p><\/p>\n<blockquote><p><em>Maskininl\u00e4rning kan g\u00f6ra allt som du kan l\u00e4ra en hund - men du kan aldrig vara s\u00e4ker p\u00e5 vad du faktiskt har l\u00e4rt hunden.<\/em><\/p><\/blockquote>\n<p>Jag f\u00e5r ofta k\u00e4nslan av att termen \u00abartificiell intelligens\u00bb bara hindrar oss fr\u00e5n att delta i diskussioner som dessa. Den h\u00e4r termen ger en falsk uppfattning om att vi faktiskt har skapat den \u2014 denna intelligens. Att vi \u00e4r p\u00e5 v\u00e4g mot HAL9000 eller Skynet \u2014 till n\u00e5got som faktiskt <em>f\u00f6rst\u00e5r<\/em>. Men nej. Det \u00e4r bara maskiner, och det \u00e4r mycket mer korrekt att j\u00e4mf\u00f6ra dem, l\u00e5t oss s\u00e4ga, med en tv\u00e4ttmaskin. Den klarar tv\u00e4tten mycket b\u00e4ttre \u00e4n en m\u00e4nniska, men om du l\u00e4gger disken ist\u00e4llet f\u00f6r kl\u00e4der i den kommer den att\u2026 tv\u00e4tta den. Disken blir till och med ren. Men det blir inte det du hade f\u00f6rv\u00e4ntat dig, och detta kommer att h\u00e4nda inte f\u00f6r att systemet har n\u00e5gra f\u00f6rdomar mot disken. Tv\u00e4ttmaskinen vet varken vad en disk \u00e4r eller vad kl\u00e4der \u00e4r \u2014 det \u00e4r bara ett exempel p\u00e5 automatisering, konceptuellt inte annorlunda \u00e4n hur processer automatiserades tidigare.<\/p>\n<p><\/p>\n<p>Oavsett vad \u00e4mnet handlar om \u2014 om maskiner, flygplan eller databaser \u2014 kommer dessa system att vara b\u00e5de mycket kraftfulla och mycket begr\u00e4nsade. De kommer helt att bero p\u00e5 hur m\u00e4nniskor anv\u00e4nder dessa system, oavsett om deras avsikter \u00e4r goda eller d\u00e5liga och hur v\u00e4l de f\u00f6rst\u00e5r deras funktion.<\/p>\n<p><\/p>\n<p>D\u00e4rf\u00f6r \u00e4r det helt fel att s\u00e4ga att \u00abartificiell intelligens \u00e4r matematik, s\u00e5 den kan inte ha n\u00e5gra f\u00f6rdomar\u00bb. Men det \u00e4r lika felaktigt att p\u00e5st\u00e5 att maskininl\u00e4rning \u00ab\u00e4r subjektiv av sin natur\u00bb. Maskininl\u00e4rning hittar m\u00f6nster i data, och vilka m\u00f6nster den hittar beror p\u00e5 datan, och datan beroende av oss. Liksom vad vi g\u00f6r med den. Maskininl\u00e4rning g\u00f6r faktiskt n\u00e5gra saker mycket b\u00e4ttre \u00e4n vi g\u00f6r \u2014 men hundar, till exempel, \u00e4r mycket effektivare \u00e4n m\u00e4nniskor p\u00e5 att uppt\u00e4cka droger, vilket inte ger n\u00e5gon anledning att anv\u00e4nda dem som vittnen och d\u00f6ma p\u00e5 grundval av deras vittnesm\u00e5l. Och hundar \u00e4r f\u00f6r \u00f6vrigt mycket smartare \u00e4n n\u00e5got system f\u00f6r maskininl\u00e4rning.<\/p>\n<p><strong>\u00d6vers\u00e4ttning:<\/strong>\u00a0<noindex><a rel=\"nofollow\" href=\"https:\/\/habr.com\/en\/users\/757NF\/\">Diana Lezjkaja<\/a><\/noindex>.<br \/>\n<strong>Redigering:<\/strong>\u00a0<noindex><a rel=\"nofollow\" href=\"http:\/\/teleg.one\/ponchiknews\">Alexej Ivanov<\/a><\/noindex>.<br \/>\n<strong>Gemenskap:<\/strong> <noindex><a rel=\"nofollow\" href=\"http:\/\/teleg.one\/ponchiknews\">@PonchikNews<\/a><\/noindex>.<\/p>\n<p>K\u00e4lla: <a content=\"nofollow\" rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/post\/449224\/\">habr.com<\/a><\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"<p>tl;dr: \u041c\u0430\u0448\u0438\u043d\u043d\u043e\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0438\u0449\u0435\u0442 \u0437\u0430\u043a\u043e\u043d\u043e\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u0438 \u0432 \u0434\u0430\u043d\u043d\u044b\u0445. \u041d\u043e \u0438\u0441\u043a\u0443\u0441\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0439 \u0438\u043d\u0442\u0435\u043b\u043b\u0435\u043a\u0442 \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c \u00ab\u043f\u0440\u0435\u0434\u0432\u0437\u044f\u0442\u00bb \u2014\u00a0\u0442\u043e \u0435\u0441\u0442\u044c, \u043d\u0430\u0445\u043e\u0434\u0438\u0442\u044c \u043d\u0435\u0432\u0435\u0440\u043d\u044b\u0435 \u043f\u0430\u0442\u0442\u0435\u0440\u043d\u044b. \u041a \u043f\u0440\u0438\u043c\u0435\u0440\u0443, \u0441\u0438\u0441\u0442\u0435\u043c\u0430 \u043e\u0431\u043d\u0430\u0440\u0443\u0436\u0435\u043d\u0438\u044f \u0440\u0430\u043a\u0430 \u043a\u043e\u0436\u0438 \u043f\u043e \u0444\u043e\u0442\u043e\u0433\u0440\u0430\u0444\u0438\u0438 \u043c\u043e\u0436\u0435\u0442 \u043e\u0431\u0440\u0430\u0449\u0430\u0442\u044c \u043e\u0441\u043e\u0431\u043e\u0435 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u043d\u0430 \u0441\u043d\u0438\u043c\u043a\u0438, \u0441\u0434\u0435\u043b\u0430\u043d\u043d\u044b\u0435 \u0432\u043e \u0432\u0440\u0430\u0447\u0435\u0431\u043d\u043e\u043c \u043a\u0430\u0431\u0438\u043d\u0435\u0442\u0435. \u041c\u0430\u0448\u0438\u043d\u043d\u043e\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u043d\u0435 \u0443\u043c\u0435\u0435\u0442 \u043f\u043e\u043d\u0438\u043c\u0430\u0442\u044c: \u0435\u0433\u043e \u0430\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u044b \u043b\u0438\u0448\u044c \u0432\u044b\u044f\u0432\u043b\u044f\u044e\u0442 \u0437\u0430\u043a\u043e\u043d\u043e\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u0438 \u0432 \u0447\u0438\u0441\u043b\u0430\u0445, \u0438 \u0435\u0441\u043b\u0438 \u0434\u0430\u043d\u043d\u044b\u0435 \u043d\u0435 \u0440\u0435\u043f\u0440\u0435\u0437\u0435\u043d\u0442\u0430\u0442\u0438\u0432\u043d\u044b, \u0442\u0430\u043a\u0438\u043c \u0431\u0443\u0434\u0435\u0442 [&hellip;]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":24558,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[702],"tags":[],"class_list":["post-32781","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-news"],"aioseo_notices":[],"aioseo_head":"\n\t\t<!-- All in One SEO 5.0.4 - aioseo.com -->\n\t<meta name=\"description\" content=\"tl;dr: .\" \/>\n\t<meta name=\"robots\" content=\"max-image-preview:large\" \/>\n\t<meta name=\"author\" content=\"Yuri Gagarin\"\/>\n\t<link rel=\"canonical\" href=\"https:\/\/prohoster.info\/sv\/blog\/news\/o-predvzyatosti-iskusstvennogo-intellekta\" \/>\n\t\t<meta name=\"generator\" content=\"All in One SEO (AIOSEO) 5.0.4\" \/>\n\t\t<meta property=\"og:locale\" content=\"sv_SE\" \/>\n\t\t<meta property=\"og:site_name\" content=\"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b\" \/>\n\t\t<meta property=\"og:type\" content=\"article\" \/>\n\t\t<meta property=\"og:title\" content=\"\ud83e\udd47\u041e \u043f\u0440\u0435\u0434\u0432\u0437\u044f\u0442\u043e\u0441\u0442\u0438 \u0438\u0441\u043a\u0443\u0441\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0433\u043e \u0438\u043d\u0442\u0435\u043b\u043b\u0435\u043a\u0442\u0430 | ProHoster\" \/>\n\t\t<meta property=\"og:description\" content=\"tl;dr: .\" \/>\n\t\t<meta property=\"og:url\" content=\"https:\/\/prohoster.info\/sv\/blog\/news\/o-predvzyatosti-iskusstvennogo-intellekta\" \/>\n\t\t<meta property=\"og:image\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:secure_url\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:width\" content=\"350\" \/>\n\t\t<meta property=\"og:image:height\" content=\"350\" \/>\n\t\t<meta property=\"article:published_time\" content=\"2019-10-31T18:48:54+00:00\" \/>\n\t\t<meta property=\"article:modified_time\" content=\"2019-10-31T18:48:54+00:00\" \/>\n\t\t<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<meta property=\"article:author\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<!-- All in One SEO -->\n\n","aioseo_head_json":{"title":"\ud83e\udd47Om f\u00f6rdomar inom artificiell intelligens | ProHoster","description":"tl;dr: .","canonical_url":"https:\/\/prohoster.info\/sv\/blog\/news\/o-predvzyatosti-iskusstvennogo-intellekta","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"sv_SE","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47\u041e \u043f\u0440\u0435\u0434\u0432\u0437\u044f\u0442\u043e\u0441\u0442\u0438 \u0438\u0441\u043a\u0443\u0441\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0433\u043e \u0438\u043d\u0442\u0435\u043b\u043b\u0435\u043a\u0442\u0430 | ProHoster","og:description":"tl;dr: .","og:url":"https:\/\/prohoster.info\/sv\/blog\/news\/o-predvzyatosti-iskusstvennogo-intellekta","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2019-10-31T18:48:54+00:00","article:modified_time":"2019-10-31T18:48:54+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"32781","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":"2026-01-21 12:30:22","breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-03-01 02:52:26","updated":"2026-01-21 12:30:22","focus_keyword":null,"additional_keywords":null,"truseo_locale":null},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/posts\/32781","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/comments?post=32781"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/posts\/32781\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/media\/24558"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/media?parent=32781"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/categories?post=32781"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/tags?post=32781"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}