አድልዎ እና ፍትህ — AI ማንበብና መጻፍ

ትርፍ፡

መረጃ የ AI አድሏዊነት ዋና ምንጭ መሆኑን ተረድቷል።
አድልዎ በስራ ቦታ ሊፈጥር የሚችለውን አደጋ ያውቃል
ጭፍን ጥላቻን ለመቀነስ ሊወሰዱ የሚችሉ እርምጃዎችን ተግባራዊ ያደርጋል

AI እንደ ገለልተኛ, ተጨባጭ ማሽን ሆኖ ይታያል; ግን እውነታው በጣም የተወሳሰበ ነው. AI ስርዓቶች በሰለጠኑበት መረጃ የሰው አድሎአዊነትን ይማራሉ እና አንዳንዴም ያጎላሉ እና ያባዛሉ። ጭፍን ጥላቻ የተወሰኑ ሰዎችን ወይም ቡድኖችን በዘዴ የመደገፍ ወይም የማግለል ዝንባሌ ነው። በዚህ ክፍል ውስጥ ጭፍን ጥላቻ ከየት እንደመጣ፣ በሥራ ቦታ ምን ተጨባጭ አደጋዎችን እንደሚያመጣ እና ምን ሊደረግ እንደሚችል እንመለከታለን። ይህ “የሥነ ምግባር” ጉዳይ ብቻ አይደለም፤ በአግባቡ ካልተያዘ ህጋዊ፣ የንግድ እና መልካም ስም አደጋን የሚያስከትል ተግባራዊ የንግድ ጉዳይ ነው።

ጭፍን ጥላቻ ከየት ይመጣል?

የቋንቋ ሞዴል መረጃ የሚመጣው የሰው ልጅ ከሚያዘጋጃቸው ግዙፍ ጽሑፎች ነው። እነዚህ ጽሑፎች ሁሉንም የሰው ልጅ ማህበረሰብ እውቀት፣ እንዲሁም ሁሉንም አመለካከቶች፣ አለመመጣጠኖች እና ታሪካዊ እኩልነቶችን ይይዛሉ። ሞዴሉ "ጥሩ" እና "መጥፎ" ቅጦችን አይለይም; በመረጃው ውስጥ ያለውን ሁሉ ይማራል።

ምሳሌ፡- የተወሰኑ ሙያዎች በዋነኛነት ከፆታ ጋር የተቆራኙ ከነበሩ በቀደሙት ጽሑፎች (ለምሳሌ “ነርስ” ከሴት፣ “መሐንዲስ” ከወንድ ጋር)፣ ሞዴሉ ይህንን ማህበር ይማራል። "መሐንዲስ ቢሮ ገባ፣ እሱ..." የሚለውን ዓረፍተ ነገር ስታጠናቅቅ የወንድ ተውላጠ ስም ልትመርጥ ትችላለች። በመረጃው ውስጥ ያለውን አለመመጣጠን ብቻ ያንፀባርቃል።

ስለዚህ አድሏዊነት በአብዛኛው የመረጃው መስታወት እንጂ የነቃ የፕሮግራም ስህተት አይደለም። "አንድ ሰው መጥፎ ኮድ ጻፈ" በማለት ችግሩን ማብራራት አሳሳች ነው; ችግሩ በአለም ላይ ያለው አለመመጣጠን በመረጃው ውስጥ እና ከዚያ ወደ ሞዴል መወሰዱ ነው.

በሥራ ቦታ ላይ ተጨባጭ አደጋዎች

አካባቢ

የማድላት ስጋት

ሊከሰት የሚችል ጉዳት

ምልመላ

በታሪካዊ መረጃ ውስጥ ያለውን አዝማሚያ ይወቁ እና የተወሰኑ ቡድኖችን ያስወግዱ

የሕግ ጉዳይ ፣ የችሎታ ማጣት

የደንበኛ ግንኙነት

stereotypical ወይም አግላይ ቋንቋ

መልካም ስም ማጣት, የደንበኛ በረራ

ክሬዲት/አደጋ

ያለፉትን አለመመጣጠን ማስቀጠል።

መድልዎ ፣ ማዕቀብ

የአፈጻጸም ግምገማ

በውሂብ ውስጥ አድልዎ ወደ ውሳኔ መሸከም

ፍትሃዊ ያልሆነ ማስተዋወቂያ/ጉርሻ

ይዘት / ግብይት

የተወሰነ ቡድን እንዳይታይ ያድርጉ

የምርት ስም ጉዳት

ሶስት ሚኒ ጉዳዮች

ጉዳይ 1 — ማስታወቂያው ቋንቋውን እየጠበበ ነበር። አንድ ኩባንያ በ AI ጋር የሥራ ማስታወቂያዎችን ማተም ጀመረ. ከጥቂት ቆይታ በኋላ ማስታወቂያዎቹ እንደ “ወጣት እና ተለዋዋጭ”፣ “አስጨናቂ ዒላማ” ያሉ አገላለጾችን ወደ አንድ የተወሰነ መገለጫ ይማርካሉ እና የመተግበሪያዎቹን ልዩነት ይቀንሳሉ። ቡድኑ እያንዳንዱን ልጥፍ "አካታች ቋንቋ" የሚፈትሽ አንድ እርምጃ አክሏል; በጥቂት ወራት ውስጥ የአመልካቾች ልዩነት በከፍተኛ ሁኔታ ጨምሯል።

ጉዳይ 2 - በማጠቃለያው ውስጥ የተደበቀ አድልዎ። አንድ ሥራ አስኪያጅ AI 30 የሰራተኞችን አስተያየት ጠቅለል አድርጎ አቅርቦ ነበር። ማጠቃለያው አሉታዊ አስተያየቶችን በአንድ የተወሰነ ቡድን ላይ ያተኮረ ይመስላል። በጥሬው መረጃ ግን ሁኔታው ሚዛናዊ ነበር. ሞዴሉ በርካታ ጠንካራ መግለጫዎችን አጋንኗል። ሥራ አስኪያጁ ተመልሶ ጥሬውን ሲመረምር የተሳሳተ ግንዛቤ ከመፍጠር ተቆጥቧል።

ጉዳይ 3 - የመደመር ሥልጣን ሰርቷል። አንድ የግብይት ቡድን በዘመቻ ቅጂ ውስጥ ያለውን መመሪያ “አካታች፣ ልዩ ያልሆነ ጾታ/እድሜ/ቡድን ቋንቋን ለመጠቀም እና ግምቶችዎን በመጨረሻ ይዘረዝሩ” የሚል ደረጃ አወጣ። በተዘጋጁት ጽሑፎች ውስጥ ፎርሙላካዊ መግለጫዎች በከፍተኛ ሁኔታ ቀንሰዋል; ቡድኑ እያንዳንዱን ውጤት ደጋግሞ ማረም አላስፈለገውም።

አድሎአዊነትን ለመለየት የሚከብደው ለምንድን ነው?

ስለ ጭፍን ጥላቻ በጣም ተንኮለኛው ነገር ብዙውን ጊዜ የማይታይ መሆኑ ነው። ውጤቱ ለስላሳ, ሙያዊ እና ምክንያታዊ ይመስላል; በውስጡ ያለው ዝንባሌ ግልጽ የሚሆነው አንድ ሰው በጥንቃቄ ሲመለከት ወይም በተለያዩ ቡድኖች ላይ ያለውን ተጽእኖ ሲለካ ብቻ ነው. አንድን ምሳሌ በመመልከት "እዚህ ምንም አድልዎ የለም" ማለት የተሳሳተ ነው; አድልዎ ብዙውን ጊዜ በግለሰብ ምሳሌዎች ውስጥ ሳይሆን በአጠቃላይ የስርዓቱ ዝንባሌ ውስጥ እራሱን ያሳያል.

ጥንቃቄ፡- “እኔ ገለልተኛ ነኝ፣ ስለዚህ የምጠቀመው መሳሪያ ገለልተኛ ነው” የሚለው ግምት አደገኛ ነው። የመሳሪያው ገለልተኛነት የሚወሰነው በስልጠናው መረጃ እና እንዴት እንደሚመረመር እንጂ በእርስዎ ፍላጎት ላይ አይደለም።

ደካማ ፈጣን/ጠንካራ ፍጥነት

ደካማ ጥያቄ፡ ለዚህ የስራ መደብ ተስማሚውን እጩ ይግለጹ።

ውጤት፡ ሞዴሉ በተዛባ አመለካከት ላይ ሊመሰረት እና የተለየ መገለጫ እንደ “ተስማሚ” ሊያቀርብ ይችላል።

ጠንካራ ጥያቄ፡ ለዚህ የስራ መደብ በትክክል ከስራው ጋር ተዛማጅነት ያላቸውን ብቃቶች ብቻ ይዘርዝሩ። እንደ ጾታ፣ እድሜ፣ የጋብቻ ሁኔታ፣ የትውልድ ከተማ ያሉ ከስራው ጋር ያልተያያዙ ባህሪያትን አይጠቀሙ። በመጨረሻም “የማስወገድ ግምቶችን” በሚለው ርዕስ ስር ያስቀሩትን ይፃፉ።

ውጤት፡ ግምገማ ከስራ ጋር በተያያዙ መመዘኛዎች የተገደበ ነው፣ የማይመለከቷቸው ባህሪያት አይካተቱም።

አድልዎ ለመቀነስ አብነቶች

አካታች ቋንቋ ለማግኘት ከታች ያለውን ጽሑፍ ይመልከቱ። ጾታን፣ ዕድሜን፣ ጎሳን፣ አካል ጉዳተኝነትን ወይም የተለየ ቡድንን የሚያመለክቱ መግለጫዎችን ጠቁሙ እና ለእያንዳንዱ ገለልተኛ አማራጭን ይጠቁሙ። ጽሑፍ፡ [እዚህ ለጥፍ]

ይህንን ግምገማ በነዚህ ተጨባጭ መስፈርቶች ላይ በመመስረት ብቻ ያድርጉት፡- [መስፈርቶች]። ከእነዚህ መመዘኛዎች (ስም, ጾታ, ዕድሜ) በስተቀር ማንኛውንም መረጃ ግምት ውስጥ አያስገቡ.

ባዘጋጀኸው ጽሑፍ ውስጥ የትኞቹን ግምቶች እንዳስገባህ በመጨረሻ በተለየ ርዕስ ዘርዝር። ስለዚህ የተደበቀ አድሎአዊነትን ማየት እችላለሁ።

ይህንን ይዘት በሶስት የተለያዩ አንባቢዎች አይን ይገምግሙ እና ማንኛቸውንም ሊያሰናክል የሚችል/የሚያስቀይሙ መግለጫዎችን ምልክት ያድርጉ። ይዘት፡ [እዚህ ለጥፍ]

የተለመዱ ስህተቶች

"ገለልተኛ" AI ውፅዓት በማሰብ። ምንም እንኳን ውጤቱ ገለልተኛ ቢመስልም, በመረጃው ውስጥ ያለውን አድልዎ ሊሸከም ይችላል; ንቁ ክትትል ያስፈልጋል።
አንዱን ምሳሌ በመመልከት "አድልዎ የለም" ማለት ነው። ጭፍን ጥላቻ በስርዓቱ አጠቃላይ ዝንባሌ ውስጥ ተደብቋል።
ከፍተኛ ተጽዕኖ የሚያሳድር ውሳኔን ክትትል ወደሌለው AI በመተው። እንደ ምልመላ፣ እድገት እና ብድር ባሉ ውሳኔዎች የሰው ስልጣን አስፈላጊ ነው።
የመደመር ፍላጎትን በመርሳት ላይ። በጥያቄው ውስጥ በግልፅ ካልጠየቁት ሞዴሉ ወደ ነባሪ ቅጦች ይመለሳል።
"ማሽኑ ተናግሯል" ማለት ነው። ውሳኔውን የሚጠቀም ሰው ለሚያስከትለው ውጤትም ተጠያቂ ነው.

ፍትህ የሁሉም ሰው ሀላፊነት ነው።

ጭፍን ጥላቻን መዋጋት የቴክኒካዊ ቡድኑ ሥራ ብቻ አይደለም. የ AI ውፅዓትን የሚጠቀም እያንዳንዱ ሰራተኛ ያ ውጤት ፍትሃዊ ስለመሆኑ የመጠየቅ ሃላፊነት አለበት። "ማሽኑ ነገረኝ" ሰበብ አይደለም; ውሳኔውን የሚወስነው ሰው ለሚያስከትለው ውጤትም ተጠያቂ ነው.

በማጠቃለያው

ዋናው የ AI አድሏዊነት ምንጭ ተንኮለኛነት አይደለም፣ ነገር ግን በስልጠናው መረጃ ውስጥ ያሉ የተዛባ አመለካከቶች እና አመለካከቶች ናቸው።
ጭፍን ጥላቻ; እንደ ቅጥር፣ የደንበኛ ግንኙነት፣ ፋይናንስ እና ግምገማ ባሉ አካባቢዎች እውነተኛ ህጋዊ እና መልካም ስም አደጋን ይፈጥራል።
አድልዎ ብዙውን ጊዜ የማይታይ እና በስርዓቱ አጠቃላይ ሁኔታ ውስጥ የተካተተ ነው; አንድ ምሳሌ መመልከት አሳሳች ነው።
ለመቀነስ፡- ይወቁ፣ ውሳኔን ከስራ ጋር በተያያዙ መመዘኛዎች ይገድቡ፣ ማካተትን በግልፅ ይጠይቁ፣ ከፍተኛ ተጽዕኖ በሚያሳድሩ ውሳኔዎች ላይ የሰው ቁጥጥር ያድርጉ።
"ማሽኑ ነገረኝ" ሰበብ አይደለም; ፍትሃዊነት ውጤቱን የሚጠቀም የሁሉም ሰው ሃላፊነት ነው።

የመተግበሪያ ተግባር

ለ AI “ሃሳባዊ [ማንኛውም ሥራ] ሠራተኛን ይግለጹ” እና በውጤቱ ውስጥ ምን (ምናልባትም አላስፈላጊ) ግምቶች እንደተፈጠሩ ምልክት ያድርጉበት። ከዚያም ከላይ ያለውን "ከስራ ጋር በተያያዙ መስፈርቶች" አብነት ይድገሙት እና ሁለቱን ውጤቶች ለፍትሃዊነት ያወዳድሩ።

የማረጋገጫ ዝርዝር

[ ] ዋናው የአድልዎ ምንጭ የሥልጠና መረጃ እንደሆነ ተረድቻለሁ።
[ ] በሥራ ቦታ አድልዎ ሊያስከትሉ የሚችሉትን ተጨባጭ አደጋዎች ልጥቀስ እችላለሁ።
[ ] አድልዎ ብዙውን ጊዜ የማይታይ እንደሆነ እና አንድ ምሳሌ ማየት አሳሳች እንደሆነ አውቃለሁ።
[ ] በጥያቄው ውስጥ የማካተት እና ከስራ ጋር የተያያዙ መስፈርቶችን በግልፅ መጠየቅ እችላለሁ።
[] ከፍተኛ ተጽዕኖ የሚያሳድሩ ውሳኔዎችን የሰው ቁጥጥር እጠይቃለሁ።