AI ეთიკა ვნებიანად იბრძვის თქვენი კანონიერი უფლებისთვის, იყოთ გამონაკლისი

ისინი ამბობენ, რომ ყველა წესიდან არის გამონაკლისი.

თუმცა პრობლემა ის არის, რომ ხშირად მუდმივი წესი ჭარბობს და გამონაკლისების აღიარება ან გართობა მცირეა ან საერთოდ არ არსებობს. საშუალო შემთხვევა გამოიყენება, მიუხედავად იმისა, რომ გამონაკლისი წინა პლანზეა. გამონაკლისი არ არის საეთერო დრო. მას სათანადოდ განხილვის შანსი არ აქვს.

დარწმუნებული ვარ, თქვენ უნდა იცოდეთ რაზე ვსაუბრობ.

ოდესმე გქონიათ მცდელობა მიეღოთ რაიმე სახის ინდივიდუალური მომხმარებელთა მომსახურება, რომლითაც თქვენ უგუნურად მოგეპყრობათ თქვენი კონკრეტული შემთხვევისა და თქვენი სპეციფიკური საჭიროებების გარეშე?

ეს უდავოდ შეგემთხვათ, ალბათ არაერთხელ.

მე ვაპირებ გადაგიყვანოთ შემაშფოთებელ ტენდენციაში, რომელიც წარმოიქმნება იმის შესახებ, თუ როგორ ხდება ხელოვნური ინტელექტის (AI) დაუნდობლად შემუშავება, რათა ძალით მოერგოს ყველაფერს ერთი ზომის პარადიგმაში.

გამონაკლისები ან არ არის გამოვლენილი, ან არჩევენ, რომ ისინი გამონაკლისი არ იყვნენ. ამის საფუძველი ნაწილობრივ განპირობებულია მანქანათმცოდნეობის (ML) და ღრმა სწავლის (DL) გაჩენით. როგორც მალე დაინახავთ, ML/DL არის გამოთვლითი შაბლონის შესატყვისი ფორმა, რომლის მსგავსის განვითარება და დანერგვა „უფრო ადვილია“, თუ გსურთ უგულებელყოთ ან გადახვიდეთ გამონაკლისებზე. ეს უაღრესად პრობლემურია და აჩენს თვალსაჩინო AI ეთიკის შეშფოთებას. AI ეთიკისა და ეთიკური ხელოვნური ინტელექტის შესახებ ჩემი მთლიანი მიმდინარე და ვრცელი გაშუქებისთვის იხ ბმული აქ მდე ბმული აქ, უბრალოდ ასახელებს რამდენიმე.

ყველაფერი ასე არ უნდა იყოს და გთხოვთ, იცოდეთ, რომ ამას ხელს უწყობენ ისინი, ვინც ქმნიან და ახორციელებენ AI-ს, არჩევით იგნორირებას უკეთებენ ან ამცირებენ გამონაკლისების დამუშავებას მათ AI-ის შეგონებებში.

როდესაც გამონაკლისების წესი

მოდით, ჯერ გავაანალიზოთ საშუალო შემთხვევის ბუნება გამონაკლისების რეალიზაციის წინააღმდეგ.

ჩემი საყვარელი მაგალითი ამ ტიპის dogpiling ან myopically საშუალო შემთხვევის გარეშე გამონაკლისი მიდგომა ნათლად არის ასახული თითქმის ნებისმიერი ეპიზოდი ცნობილი და ჯერ კიდევ საკმაოდ პოპულარული სერიალი, რომელიც ცნობილია როგორც სახლი, მედიცინის დოქტორი (ჩვეულებრივ გამოხატულია როგორც სახლი, რომელიც გადიოდა 2004 წლიდან 2012 წლამდე და დღეს შეგიძლიათ ნახოთ სოციალურ მედიასა და სხვა მედიასაშუალებებში). შოუ მოიცავდა გამოგონილ პერსონაჟს, სახელად დოქტორ გრეგორი ჰაუსს, რომელიც იყო უხეში, აუტანელი და საკმაოდ არატრადიციული, მაგრამ იგი გამოსახული იყო როგორც სამედიცინო გენიოსი, რომელსაც შეეძლო გამოეჩინა ყველაზე ბუნდოვანი დაავადებები და დაავადებები. სხვა ექიმებს და პაციენტებსაც კი შეიძლება სულაც არ მოეწონათ ის, მაგრამ მან საქმე შეასრულა.

აი, როგორ განვითარდა ტიპიური ეპიზოდი (ზოგადი სპოილერის გაფრთხილება!).

პაციენტი ჩნდება საავადმყოფოში, სადაც დოქტორი ჰაუსი თანამშრომლობს. პაციენტი თავდაპირველად ავლენს გარკვეულწილად გავრცელებულ სიმპტომებს და სხვა სხვა ექიმები თავის რიგზე ცდილობენ პაციენტის დიაგნოსტირებას და განკურნებას. უცნაური ის არის, რომ პაციენტის დახმარების მცდელობები ან ვერ აუმჯობესებს არახელსაყრელ პირობებს, ან უარესი მაინც უკუშედეგს იწვევს. პაციენტი უარესდება და უარესდება.

იმის გამო, რომ პაციენტს ახლა ერთგვარ სამედიცინო ცნობისმოყვარეობად აღიქვამენ და რადგან სხვა ვერავინ გაარკვია, რა აწუხებს პაციენტს, საქმეში დოქტორი ჰაუსი შეიყვანეს. ეს ზოგჯერ კეთდება მიზანმიმართულად, რათა გამოიყენოს მისი სამედიცინო უნარები, ხოლო სხვა შემთხვევებში ის ესმის საქმის შესახებ და მისი თანდაყოლილი ინსტინქტები მას უჩვეულო გარემოებებისკენ მიიპყრობს.

თანდათან ვხვდებით, რომ პაციენტს აქვს ძალიან იშვიათი დაავადება. მხოლოდ დოქტორ ჰაუსს და მის მედიცინის სტაჟიორთა ჯგუფს შეუძლია ამის გარკვევა.

ახლა, როდესაც მე გაგიზიარეთ ეპიზოდების ძირითადი სიუჟეტი, მოდით ჩავუღრმავდეთ ნასწავლ გაკვეთილებს, რომლებიც ასახავს საშუალო შემთხვევის ბუნებას გამონაკლისებთან შედარებით.

გამოგონილი ისტორიები შექმნილია იმისთვის, რომ აჩვენოს, თუ როგორ შეიძლება ყუთში ფიქრმა ზოგჯერ მკვეთრად გამოტოვოს ნიშანი. ყველა სხვა ექიმი, რომელიც თავიდან ცდილობს დაეხმაროს პაციენტს, დაბინდულია აზროვნების პროცესებში. მათ სურთ აიძულონ სიმპტომები და წარმოდგენილი ასპექტები ჩვეულებრივ სამედიცინო დიაგნოზში. პაციენტი მხოლოდ ერთ-ერთია იმ მრავალთაგან, რაც მათ სავარაუდოდ ადრე უნახავთ. გამოიკვლიეთ პაციენტი და დანიშნეთ იგივე მკურნალობა და სამედიცინო გადაწყვეტილებები, რომლებსაც ისინი არაერთხელ იყენებდნენ თავიანთი სამედიცინო კარიერის განმავლობაში.

გარეცხეთ, ჩამოიბანეთ, გაიმეორეთ.

ერთი გაგებით, თქვენ შეგიძლიათ გაამართლოთ ეს მიდგომა. ალბათობაა, რომ პაციენტების უმეტესობას ექნება ყველაზე გავრცელებული დაავადებები. დღითი დღე, ეს ექიმები აწყდებიან იგივე სამედიცინო პრობლემებს. თქვენ შეგიძლიათ თქვათ, რომ საავადმყოფოში შემავალი პაციენტები ნამდვილად არიან სამედიცინო შეკრების ხაზზე. თითოეული მათგანი მიედინება საავადმყოფოს სტანდარტიზებული პროტოკოლების გასწვრივ, თითქოს ისინი წარმოების ობიექტის ან ასამბლეის ქარხნის ნაწილებია.

საშუალო შემთხვევა ჭარბობს. ეს არა მხოლოდ ზოგადად შესაფერისია, არამედ ის ასევე საშუალებას აძლევს საავადმყოფოს და სამედიცინო პერსონალს, შესაბამისად ოპტიმიზაცია გაუწიონ სამედიცინო მომსახურებას. ხარჯები შეიძლება შემცირდეს, როდესაც თქვენ შეიმუშავებთ სამედიცინო პროცესებს საშუალო შემთხვევის მოსაგვარებლად. არის საკმაოდ ცნობილი რჩევა, რომელიც ხშირად ტრიალებს სამედიცინო სტუდენტების გონებაში, კერძოდ, რომ თუ ქუჩიდან ჩლიქის ხმები გესმით, დიდი ალბათობით ცხენზე უნდა იფიქროთ და არა ზებრაზე.

ეფექტური, პროდუქტიული, ეფექტური.

სანამ გამონაკლისი არ შეიპარება შუაში.

იქნებ ზოოპარკიდან ზებრა გაიქცა და შენს ქუჩაზე გაიქცა.

ნიშნავს თუ არა ეს, რომ გამონაკლისები უნდა იყოს წესი და ჩვენ უნდა გამოვტოვოთ საშუალო შემთხვევის წესი მხოლოდ გამონაკლისებზე ფოკუსირების ნაცვლად?

თქვენ გაგიჭირდებათ იმის მტკიცება, რომ ჩვენი ყოველდღიური შეხვედრები და სერვისები უნდა იყოს ორიენტირებული გამონაკლისებზე და არა საშუალო შემთხვევაზე.

გაითვალისწინეთ, რომ მე ასეთ წინადადებას არ ვაკეთებ. რასაც მე ვამტკიცებ არის ის, რომ ჩვენ უნდა დავრწმუნდეთ, რომ გამონაკლისები იყოს დაშვებული და რომ ჩვენ უნდა ვაღიაროთ გამონაკლისების წარმოშობა. ამას იმიტომ ვახსენებ, რომ ზოგიერთი ექსპერტი ხმამაღლა აცხადებს, რომ თუ თქვენ ხართ გამონაკლისების აღიარების მომხრე, მაშინ უნდა იყოთ წინააღმდეგი საშუალო საქმის შემუშავების.

ეს არის ცრუ დიქოტომია.

არ ჩავარდე მასში.

შეგვიძლია ჩვენი ნამცხვარი მივიღოთ და ისიც ვჭამოთ.

მიღების საქმე უფლება იყოს გამონაკლისი

შემდეგ, ალბათ, მოგაწოდებთ ცოტა შოკს, რომელიც ამ ყველაფერს AI-ის მზარდ გამოყენებას უკავშირებს.

ხელოვნური ინტელექტის სისტემები სულ უფრო მეტად იქმნება, რათა კონცენტრირდნენ საშუალო შემთხვევაზე, ხშირად გამონაკლისების აღიარების გამორიცხვის ან საზიანოდ.

შეიძლება გაგიკვირდეთ, რომ გაიგოთ, რომ ეს ხდება. უმეტესობა ჩვენგანი ვარაუდობს, რომ ვინაიდან ხელოვნური ინტელექტი არის კომპიუტერული ავტომატიზაციის ფორმა, ნივთების ავტომატიზაციის მშვენიერება ის არის, რომ ჩვეულებრივ შეგიძლიათ გამონაკლისების ჩართვა. ეს ჩვეულებრივ შეიძლება გაკეთდეს შემცირებული ღირებულებით, ვიდრე თქვენ იყენებდით ადამიანის შრომას მსგავსი სერვისის შესასრულებლად. ადამიანური შრომით, შესაძლოა ძვირი ან აკრძალული იყოს ყველანაირი შრომის ხელმისაწვდომობა, რომელსაც შეუძლია გამონაკლისებთან გამკლავება. საქმეების მართვა და დანერგვა ბევრად უფრო ადვილია, თუ შეგიძლიათ ჩავთვალოთ, რომ თქვენი კლიენტები ან კლიენტები არიან ყველა საშუალო შემთხვევის კალიბრის. მაგრამ კომპიუტერიზებული სისტემების გამოყენება უნდა ითვალისწინებდეს გამონაკლისებს. ამ აზროვნებით, ჩვენ უნდა ვხალისობდეთ, რომ უფრო მეტი კომპიუტერიზებული შესაძლებლობები გამოვიდეს წინა პლანზე.

ჩათვალეთ ეს, როგორც დამაბრმავებელი თავსატეხი და დაუთმეთ ერთი წუთი და დაფიქრდით ამ შემაშფოთებელ კითხვაზე: როგორ შეიძლება ხელოვნური ინტელექტი, რომელიც სხვაგვარად ვარაუდობენ, რომ ავტომატიზაციის საუკეთესო საშუალებაა, ერთი შეხედვით, განუწყვეტლივ მიჰყვება რუტინულ და გამონაკლის გზას, რომელიც ირონიულად თუ მოულოდნელად წარმოვიდგენდით, რომ ზუსტად საპირისპირო მიმართულებით მიდიოდა?

პასუხი: თუმცა, მანქანათმცოდნეობა და ღრმა სწავლება გამონაკლის არსებობამდე მიგვიყვანს არ იმიტომ, რომ ჩვენ იძულებით გვიწევს ამ გზით ასვლა (ჩვენ უკეთ შეგვიძლია).

მოდით გავხსნათ ეს.

დავუშვათ, რომ ჩვენ გადავწყვიტეთ გამოვიყენოთ მანქანური სწავლება ხელოვნური ინტელექტის შესაქმნელად, რომელიც გამოყენებული იქნება სამედიცინო დიაგნოზის დასადგენად. ჩვენ ვაგროვებთ ისტორიულ მონაცემებს პაციენტებისა და მათი სამედიცინო მდგომარეობის შესახებ. ML/DL, რომელიც ჩვენ შევქმენით, ცდილობს განახორციელოს გამოთვლითი ნიმუშის შესატყვისი, რომელიც შეისწავლის პაციენტების სიმპტომებს და წარმოაჩენს მოსალოდნელ დაავადებას, რომელიც დაკავშირებულია ამ სიმპტომებთან.

გამოკვლეული მონაცემების საფუძველზე, ML/DL მათემატიკურად ადგენს სიმპტომებს, როგორიცაა სურდო, ყელის ტკივილი, თავის ტკივილი და ტკივილები, ეს ყველაფერი მტკიცედ არის დაკავშირებული გაციებასთან. საავადმყოფო ირჩევს გამოიყენოს ეს AI პაციენტების წინასწარი სკრინინგის ჩასატარებლად. რა თქმა უნდა, პაციენტები, რომლებიც აფიქსირებენ ამ სიმპტომებს საავადმყოფოში პირველად მისვლისას, "დიაგნოზს" უსვამენ, როგორც საერთო გაციებას.

გადაცემის გადაცემისას, მოდით დავუმატოთ დოქტორ ჰაუსის ერთგვარი ირონია ამ ყველაფერს.

პაციენტი მიდის საავადმყოფოში და დიაგნოზირებულია AI-ით. AI მიუთითებს, რომ პაციენტს, როგორც ჩანს, აქვს საერთო გაციება ცხვირის გამონადენის, ყელის ტკივილისა და თავის ტკივილის სიმპტომების საფუძველზე. პაციენტს ეძლევა ერთი შეხედვით შესაფერის რეცეპტები და სამედიცინო რჩევები გაციების წინააღმდეგ საბრძოლველად. ეს ყველაფერი არის საშუალო შემთხვევის მიდგომის ნაწილი, რომელიც გამოიყენება ხელოვნური ინტელექტის შემუშავებისას.

გამოდის, რომ პაციენტს ეს სიმპტომები რამდენიმე თვის განმავლობაში აწუხებს. იშვიათი დაავადებებისა და საკვების ექსპერტი აცნობიერებს, რომ იგივე სიმპტომები შეიძლება იყოს ცერებროსპინალური სითხის (CSF) გაჟონვის ასახვა. ექსპერტი პაციენტს მკურნალობს სხვადასხვა ქირურგიული პროცედურებით, რომლებიც დაკავშირებულია ასეთ გაჟონვასთან. პაციენტი გამოჯანმრთელდება (სხვათა შორის, ეს გასაოცარი ამბავი პაციენტის შესახებ CSF გაჟონვით, რომელიც თავდაპირველად დაისვა საერთო გაციების დიაგნოზი, ემყარება რეალურ სამედიცინო შემთხვევას).

ჩვენ ახლა გავაგრძელებთ ჩვენს ნაბიჯებს ამ სამედიცინო საგაში.

რატომ ვერ შეძლო AI-მ, რომელიც ატარებდა მიღებას წინასწარ სკრინინგს, შეაფასა, რომ პაციენტს შეიძლება ჰქონდეს ეს იშვიათი დაავადება?

ერთი პასუხი არის ის, რომ თუ ML/DL-ის შესაქმნელად გამოყენებული ტრენინგის მონაცემები არ შეიცავდა ასეთ შემთხვევებს, მასში არაფერი იქნებოდა გამოთვლითი ნიმუშის შესატყვისი. წესების გამონაკლისების შესახებ მონაცემების არარსებობის გათვალისწინებით, თავად ზოგადი წესი ან საშუალო შემთხვევა ჩაითვლება, როგორც ერთი შეხედვით უნაკლო და გამოყენებული იქნება ყოველგვარი ყოყმანის გარეშე.

კიდევ ერთი შესაძლებლობა არის ის, რომ ისტორიულ მონაცემებში არსებობდა CSF იშვიათი გაჟონვის შემთხვევა, მაგრამ ეს იყო მხოლოდ ერთი კონკრეტული შემთხვევა და ამ თვალსაზრისით გამორჩეული. დანარჩენი მონაცემები მათემატიკურად ახლოს იყო დადგენილ საშუალო შემთხვევასთან. შემდეგ ჩნდება კითხვა, რა უნდა გააკეთოს ე.წ.

გთხოვთ, გაითვალისწინოთ, რომ ამ გამოკვეთილებთან ურთიერთობა არის საკითხი, რომელიც რადიკალურად განსხვავდება იმით, თუ როგორ გადაწყვიტონ AI დეველოპერებმა დაპირისპირდნენ რაღაცის გარეგნობას განსაზღვრული საშუალო შემთხვევის მიღმა. არ არის აუცილებელი მიდგომა, რომელსაც AI დეველოპერები აიძულებენ მიიღონ. ცოტა ველური დასავლეთია იმის შესახებ, თუ რა შეიძლება გააკეთოს AI დეველოპერმა ML/DL განვითარების ძალისხმევის გამონაკლისის გამონაკლისების შემთხვევაში.

აქ არის ჩემი სია იმ გზებისა, რომლებშიც ხშირად ხდება ეს გამონაკლისები შეუსაბამოდ დამუშავებული:

• გამონაკლისი ითვლება შეცდომად
• გამონაკლისი მიჩნეულია უღირსად
• გამონაკლისი ითვლება "ნორმაში" რეგულირებად
• გამონაკლისი საერთოდ არ შეიმჩნევა
• გამონაკლისი შენიშნა, მაგრამ მოკლედ უგულებელყო
• გამონაკლისი შენიშნა და შემდეგ დავიწყებას მიეცა
• გამონაკლისი შენიშნა და მიმალულია მხედველობიდან
• ა.შ.

ხელოვნური ინტელექტის შემქმნელმა შეიძლება გადაწყვიტოს, რომ იშვიათობა სხვა არაფერია, თუ არა მონაცემების შეცდომა. ეს შეიძლება უცნაურად მოგეჩვენოთ, რომ ვინმე ასე იფიქროს, განსაკუთრებით თუ თქვენ ცდილობთ მის ჰუმანიზაციას, მაგალითად, წარმოიდგინოთ, რომ CSF გაჟონვის მქონე პაციენტი სწორედ ეს არის. თუმცა არსებობს ძლიერი ცდუნება, რომ თუ თქვენი ყველა კონტექსტური მონაცემი ძირითადად ერთ რამეს ამბობს, შესაძლოა ათასობით და ათასობით ჩანაწერისაგან შედგებოდეს და ისინი ყველა ხვდება საშუალო შემთხვევას, ერთი უცნაური მონაცემების გამოჩენა შეიძლება ადვილად (ზარმაცად!) უნდა იქნას გაგებული, როგორც აშკარა შეცდომა. „შეცდომა“ შესაძლოა გაუქმდეს ხელოვნური ინტელექტის შემქმნელმა და არ განიხილოს იმ სფეროში, რაზეც მიმდინარეობს ML/DL ტრენინგი.

გამონაკლისთან გამკლავების კიდევ ერთი საშუალება იქნება გადაწყვიტოთ, რომ ეს უღირსი საკითხია. რატომ უნდა შეგაწუხოთ ერთი იშვიათობა, როცა ალბათ ჩქარობთ ML/DL-ის ამოქმედებას? გადაყარეთ გარეთა მხარე და გააგრძელეთ. არავითარი აზრი არ მიდის აუცილებლად გზის შემდგომ შედეგებზე.

კიდევ ერთი მიდგომა გულისხმობს გამონაკლისის ჩაყრას საშუალო შემთხვევის დანარჩენ გარემოში. AI დეველოპერი ცვლის მონაცემებს, რათა შეესაბამებოდეს დანარჩენი ნორმის ფარგლებში. ასევე არის შანსი, რომ AI დეველოპერმა ვერ შეამჩნია გამონაკლისის არსებობა.

ML/DL-მა შეიძლება შეატყობინოს, რომ გამოვლინდა გამონაკლისი, რომელიც შემდეგ AI დეველოპერმა უნდა დაავალოს ML/DL-ს იმის შესახებ, თუ როგორ უნდა მოგვარდეს მათემატიკურად გამონაკლისი. ხელოვნური ინტელექტის დეველოპერმა შეიძლება დააყენოს ეს სამუშაოების სიაში და მოგვიანებით დაივიწყოს მასთან გამკლავება ან უბრალოდ აირჩიოს მისი იგნორირება და ა.შ.

მთლიანობაში, გამონაკლისებთან ურთიერთობის გამოვლენა და გადაწყვეტა, როდესაც საქმე AI-ს ეხება, არის რაიმე კონკრეტულად გათვალისწინებული ან იძულებით დაბალანსებული და დასაბუთებული მიდგომის გარეშე. გამონაკლისები ხშირად განიხილება, როგორც უღირსი გარიყულები და საშუალო შემთხვევა არის გაბატონებული. გამონაკლისებთან გამკლავება რთულია, შეიძლება იყოს შრომატევადი, მოითხოვს ხელოვნური ხელოვნური ინტელექტის განვითარების უნარ-ჩვევებს, სხვაგვარად, ძნელია ნივთების ერთ ზომით მორგებულ პაკეტში ნივთების მოთავსებასთან შედარებით.

გარკვეულწილად, სწორედ ამიტომ არის AI ეთიკა და ეთიკური AI ასეთი გადამწყვეტი თემა. ხელოვნური ინტელექტის ეთიკის პრინციპები გვაიძულებს ვიყოთ სიფხიზლე. ხელოვნური ინტელექტის ტექნოლოგები შეიძლება დროდადრო დაკავდნენ ტექნოლოგიით, განსაკუთრებით მაღალტექნოლოგიური ტექნოლოგიის ოპტიმიზაციით. ისინი სულაც არ განიხილავენ უფრო დიდ სოციალურ შედეგებს.

ზოგადად ხელოვნური ინტელექტის ეთიკის პრინციპების გამოყენების გარდა, არსებობს შესაბამისი კითხვა, უნდა გვქონდეს თუ არა კანონები ხელოვნური ინტელექტის სხვადასხვა გამოყენებისთვის. ფედერალურ, შტატში და ადგილობრივ დონეზე შემოიფარგლება ახალი კანონები, რომლებიც ეხება ხელოვნური ინტელექტის შემუშავების დიაპაზონსა და ბუნებას. ამგვარი კანონების შემუშავებისა და ამოქმედების მცდელობა ეტაპობრივია.

ამ კონკრეტულ დისკუსიაში გამონაკლისების როლის შესახებ მოდის პროვოკაციული თვალსაზრისი, რომ შესაძლოა არსებობდეს კანონიერი უფლება, რომელიც დაკავშირებულია გამონაკლისთან. შესაძლოა, ერთადერთი ეფექტური საშუალება კეთილსინდისიერი აღიარების მისაღებად ვინმესთვის, რომელიც შესაძლოა გამონაკლისი იყოს, გულისხმობს კანონის გრძელი მკლავის გამოყენებას.

განახორციელეთ ადამიანის უფლებათა ახალი სახეობა.

გამონაკლისად ჩათვლის უფლება.

განვიხილოთ ეს წინადადება: „გამონაკლისის უფლება არ ნიშნავს, რომ ყოველი ინდივიდი is გამონაკლისი, მაგრამ როდესაც გადაწყვეტილებამ შეიძლება ზიანი მიაყენოს გადაწყვეტილების სუბიექტს, გადაწყვეტილების მიმღებმა უნდა გაითვალისწინოს შესაძლებლობა, რომ სუბიექტმა შეუძლია იყოს გამონაკლისი. გამონაკლისის უფლება მოიცავს სამ კომპონენტს: დააზარალებს, ინდივიდუალიზაციადა გაურკვევლობა. გადაწყვეტილების მიმღებმა უნდა აირჩიოს ზიანის მიყენება მხოლოდ მაშინ, როდესაც განიხილავს არის თუ არა გადაწყვეტილება სათანადოდ ინდივიდუალური და, რაც მთავარია, გაურკვევლობა, რომელიც თან ახლავს გადაწყვეტილების მონაცემებზე ორიენტირებულ კომპონენტს. რაც უფრო დიდია ზიანის რისკი, მით უფრო სერიოზულია განხილვა“ (სარა სენი, კვლევით ნაშრომში სათაურით უფლება იყოს გამონაკლისი მონაცემების საფუძველზე გადაწყვეტილების მიღებისას, MIT, 12 წლის 2022 აპრილი).

თქვენ შეიძლება გაგიჩნდეთ ცდუნება, ვივარაუდოთ, რომ ჩვენ უკვე გვაქვს ასეთი უფლება.

Არ არის აუცილებელი. კვლევითი ნაშრომის მიხედვით, საერთაშორისოდ აღიარებული ადამიანის უფლება ყველაზე ახლოს შეიძლება იყოს ინდივიდუალური ღირსება. თეორიულად, მოსაზრება, რომ ღირსების ისეთი აღიარება უნდა არსებობდეს, რომ ინდივიდი და მისი სპეციფიკური უნიკალურობა უნდა იყოს გათვალისწინებული, გიბიძგებთ ადამიანის პოტენციური გამონაკლისის უფლებაში. ერთი უბედურება ის არის, რომ არსებული კანონები, რომლებიც არეგულირებენ ღირსების სფეროს, როგორც ამბობენ, არის გარკვეულწილად ბუნდოვანი და ზედმეტად მოქნილი, ამიტომ კარგად არ არის მორგებული გამონაკლისის უფლების კონკრეტულ სამართლებრივ კონსტრუქციაზე.

ისინი, ვინც ემხრობა ახალ უფლებას, რომელიც მოიცავს ადამიანის უფლებას იყოს გამონაკლისი, ამტკიცებენ, რომ:

• ასეთი უფლება საკმაოდ ლეგალურად აიძულებს AI დეველოპერებს აშკარად გაუმკლავდნენ გამონაკლისებს
• ფირმები, რომლებიც აწარმოებენ AI-ს, უფრო ლეგალურად იქნებიან ჩართული გამონაკლისებთან დაკავშირებით
• AI სავარაუდოდ უკეთესი დაბალანსებული და უფრო ძლიერი იქნება მთლიანობაში
• ვინც AI-ს იყენებს ან AI-ს ექვემდებარება უკეთესი იქნება
• როდესაც ხელოვნური ინტელექტი არ ითვალისწინებს გამონაკლისებს, იურიდიული დახმარება ადვილად შესაძლებელი იქნება
• AI-ის შემქმნელები ასევე უკეთეს მდგომარეობაში იქნებიან (მათი AI დაფარავს მომხმარებელთა უფრო ფართო სპექტრს)
• ა.შ.

ისინი, ვინც ეწინააღმდეგებიან ახალ უფლებას, რომელსაც ადამიანის უფლება აქვს გამონაკლისი, ამბობენ:

• ადამიანის არსებული უფლებები და კანონიერი უფლებები საკმარისად ფარავს ამას და არ არის საჭირო საკითხების გართულება
• ზედმეტი ტვირთი დაედება ხელოვნური ინტელექტის შემქმნელებს
• ხელოვნური ინტელექტის შექმნის მცდელობები უფრო ძვირი გახდება და აინტერესებს ხელოვნური ინტელექტის პროგრესს
• გაჩნდებოდა ცრუ მოლოდინი, რომ ყველა მოითხოვდა მათ გამონაკლისს
• თავად უფლება უდავოდ ექვემდებარება განსხვავებულ ინტერპრეტაციებს
• ის, ვინც ყველაზე მეტს მოიგებს, იქნება იურისტის პროფესია, როდესაც იურიდიული საქმეები ცაში იმატებს
• ა.შ.

მოკლედ, ასეთი ახალი უფლების ოპოზიცია, როგორც წესი, ამტკიცებს, რომ ეს არის ნულოვანი ჯამის თამაში და რომ გამონაკლისის კანონიერი უფლება უფრო ძვირი ჯდება, ვიდრე ეს მომგებიანია. მათ, ვინც თვლის, რომ ასეთი ახალი უფლება გონივრულად მოითხოვება, შეუძლიათ ხაზგასმით აღვნიშნოთ, რომ ეს არ არის ნულოვანი ჯამის თამაში და რომ საბოლოო ჯამში ყველა სარგებლობს, მათ შორის ის, ვინც ქმნის AI-ს და ვინც იყენებს AI-ს.

შეგიძლიათ დარწმუნებული იყოთ, რომ ეს დებატები, რომელიც მოიცავს AI-სთან და გამონაკლისებთან დაკავშირებულ იურიდიულ, ეთიკურ და სოციალურ შედეგებს, ხმამაღალი და დაჟინებული იქნება.

თვითმართვადი მანქანები და გამონაკლისების მნიშვნელობა

განვიხილოთ, როგორ გამოიყენება ეს ავტონომიური სისტემების კონტექსტში, როგორიცაა ავტონომიური მანქანები და თვითმართვადი მანქანები. უკვე იყო სხვადასხვა კრიტიკა თვითმართვადი მანქანებისა და ავტონომიური მანქანების ხელოვნური ინტელექტის განვითარების საშუალო შემთხვევის შესახებ.

მაგალითად, თავდაპირველად, ძალიან ცოტა თვითმართვადი ავტომობილის დიზაინი იტევდა მათ, ვისაც რაიმე სახის ფიზიკური უნარშეზღუდულობა ან დაქვეითება აქვს. არ იყო ბევრი ფიქრი იმაზე, რომ უფრო ფართოდ მოიცავდა მხედრის საჭიროებების სრულ სპექტრს. ზოგადად, ეს ცნობიერება გაიზარდა, თუმცა კვლავ გამოხატულია შეშფოთება იმის თაობაზე, არის თუ არა ეს საკმარისად შორს და იმდენად ფართოდ მიღებული, როგორც უნდა იყოს.

საშუალო შემთხვევის კიდევ ერთი მაგალითი გამონაკლისის წინააღმდეგ არის დაკავშირებული ისეთ რამესთან, რამაც შეიძლება შეგაწუხოთ.

მზად ხართ?

ბევრი ხელოვნური ინტელექტის მართვის სისტემისა და თვითმართვადი მანქანების დღევანდელი დიზაინი და განლაგება, როგორც წესი, ქმნის ჩუმად ან გამოუთქმელ ვარაუდს, რომ მოზარდები იმოძრავებენ თვითმართველ მანქანაში. ჩვენ ვიცით, რომ როდესაც საჭესთან ადამიანი მძღოლი დგას, მანქანაში, რა თქმა უნდა, სრულწლოვანია, რადგან, როგორც წესი, მართვის მოწმობის აღება ეფუძნება ზრდასრულობას (კარგად, ან თითქმის ერთი). თვითმართვადი მანქანებისთვის, რომლებსაც აქვთ ხელოვნური ინტელექტი, რომელიც ატარებს მთელ მოძრაობას, არ არის საჭირო ზრდასრული პირის დასწრება.

საქმე იმაშია, რომ ჩვენ შეგვიძლია გვყავდეს ბავშვები მანქანებში დამოუკიდებლად, ზრდასრული ყოფნის გარეშე, ყოველ შემთხვევაში, ეს შესაძლებელია სრულად ავტონომიური ხელოვნური ინტელექტის მართვის თვითმართვადი მანქანების შემთხვევაში. თქვენ შეგიძლიათ თქვენი შვილები სკოლაში გაგზავნოთ დილით თვითმართვადი მანქანით. იმის ნაცვლად, რომ თქვენ მოგიწიოთ თქვენი შვილების აწევა, ან მგზავრობის გაზიარების სერვისის ადამიანური მძღოლის გამოყენება, შეგიძლიათ უბრალოდ დააწყოთ თქვენი ბავშვები თვითმართველ მანქანაში და წაიყვანოთ სკოლაში.

ყველაფერი არ არის ვარდისფერი, როდესაც საქმე ეხება ბავშვების ყოლას თვითმართველ მანქანებში.

იმის გამო, რომ მანქანაში ზრდასრული ადამიანის ყოლა აღარ არის საჭირო, ეს ნიშნავს, რომ ბავშვებიც აღარ იგრძნობენ გავლენის ქვეშ ან, ვთქვათ, კონტროლდებიან ზრდასრული ადამიანის თანდასწრებით. გაგიჟდებიან ბავშვები და დაანგრევენ თვითმართვადი მანქანების სალონს? შეეცდებიან თუ არა ბავშვები ასვლას ან მიაღწიონ თვითმართვადი მანქანის ფანჯრებს? რა სხვა სახის ხრიკები შეიძლება გააკეთონ მათ, რამაც შეიძლება გამოიწვიოს პოტენციური დაზიანება და სერიოზული ზიანი?

მე გავაშუქე ცხარე დებატები იმის შესახებ, რომ ბავშვები მარტო იმყოფებიან თვითმართველ მანქანებში, იხილეთ ბმული აქ. ზოგი ამბობს, რომ ეს არასოდეს უნდა იყოს დაშვებული. ზოგი ამბობს, რომ ეს გარდაუვალია და ჩვენ უნდა გაერკვნენ, თუ როგორ გამოვიყენოთ ის საუკეთესოდ.

დასკვნა

დავუბრუნდეთ საშუალო შემთხვევის ზოგად თემას გამონაკლისის წინააღმდეგ.

როგორც ჩანს, ყველა ვთანხმდებით, რომ ყოველთვის იქნება გამონაკლისი წესებიდან. მას შემდეგ, რაც წესი ჩამოყალიბდა ან გამოვლინდა, ჩვენ უნდა ვეძებოთ გამონაკლისები. როდესაც ჩვენ ვხვდებით გამონაკლისებს, უნდა ვიფიქროთ იმაზე, თუ რომელ წესზე ვრცელდება ეს გამონაკლისი.

ბევრი ხელოვნური ინტელექტი, რომელიც დღეს არის შემუშავებული, ჩამოყალიბებულია წესის ფორმულირებაზე, ხოლო გამონაკლისებთან დაკავშირებული გამოწვევები მიტოვებული და მხრების აცილების ტენდენციაა.

მათთვის, ვისაც უყვარს გულმოდგინება და ამბობს, რომ არ არსებობს გამონაკლისი წესიდან, რომ ყოველთვის არის გამონაკლისები წესებიდან, მე ვაღიარებ, რომ ეს ჭკუა, როგორც ჩანს, გონებრივი საგონებელია. კერძოდ, როგორ შეიძლება გვქონდეს წესი, რომ ყოველთვის არის გამონაკლისები, მაგრამ მაშინ ეს წესი, როგორც ჩანს, არ ვრცელდება წესზე, რომ ყოველთვის არის გამონაკლისები?

თავში მიტრიალებს.

საბედნიეროდ, არ არის საჭირო ამ გამაფრთხილებელი საკითხების ზედმეტად გართულება. ჩვენ ვიმედოვნებთ, რომ ვიცხოვროთ მოსახერხებელი და სასიცოცხლო ცერის წესებით, რომელსაც უნდა ვეძიოთ და დავაკმაყოფილოთ გამონაკლისები ყველა წესიდან.

ეს აგვარებს საკითხებს, ასე რომ, ახლა მოდით ვიმუშაოთ მასზე.