AI ကို သတိရှိရှိချဉ်းကပ်နည်းကို အသုံးပြုခြင်းသည် ဘက်လိုက်သော ဒေတာအတွဲများကို လျှော့ချနည်း

ဘက်လိုက်ဒေတာများနှင့်ကျင့်ဝတ်ဆိုင်ရာ AI

AI စွမ်းအင်သုံးဖြေရှင်းနည်းများသည်ထိရောက်မှုရှိရန်အချက်အလက်အစုံလိုအပ်သည်။ ထိုဒေတာအစုံများကို ဖန်တီးခြင်းသည် စနစ်တကျအဆင့်တွင် သွယ်ဝိုက်သောဘက်လိုက်မှုပြဿနာနှင့် ပြည့်နေပါသည်။ လူအားလုံး (သတိနှင့်မသိစိတ်) ဘက်လိုက်မှုဒဏ်ကို ခံစားနေကြရသည်။ ဘက်လိုက်မှုများသည် ပုံစံအမျိုးမျိုးရှိနိုင်သည်- ပထဝီဝင်၊ ဘာသာဗေဒ၊ လူမှုစီးပွား၊ လိင်ခွဲခြားမှုနှင့် လူမျိုးရေးခွဲခြားမှု။ ထိုစနစ်တကျ ဘက်လိုက်မှုများသည် ဒေတာအဖြစ်သို့ ဖုတ်သွင်းပြီး ဘက်လိုက်မှုကို ချဲ့ထွင်သည့် AI ထုတ်ကုန်များကို ဖြစ်ပေါ်စေနိုင်သည်။ အဖွဲ့အစည်းများသည် ဒေတာအတွဲများအတွင်းသို့ စိမ့်ဝင်နေသော ဘက်လိုက်မှုများကို လျော့ပါးသက်သာစေရန် သတိထားချဉ်းကပ်ရန် လိုအပ်ပါသည်။

ဘက်လိုက်မှုပြဿနာကို သရုပ်ဖော်သော ဥပမာများ

ထိုအချိန်တွင်အနုတ်လက္ခဏာစာနယ်ဇင်းများစွာကိုစုစည်းပေးသောသိသာထင်ရှားသည့်ဥပမာတစ်ခုမှာအမျိုးသမီးများထက်အမျိုးသားကိုယ်စားလှယ်လောင်းများအား ဦး စားပေးသောကိုယ်ရေးရာဇဝင်ဖတ်ခြင်းအဖြေတစ်ခုဖြစ်သည်။ စုဆောင်းရေးကိရိယာ၏အချက်အလက်အစုံသည်လျှောက်ထားသူအများစုသည်အမျိုးသားများဖြစ်သည့်လွန်ခဲ့သောဆယ်စုနှစ်များ မှစ၍ ကိုယ်ရေးရာဇ ၀ င်များကို အသုံးပြု၍ တီထွင်ခဲ့ခြင်းကြောင့်ဖြစ်သည်။ အချက်အလက်များသည်ဘက်လိုက်မှုရှိပြီးရလဒ်များသည်ဘက်လိုက်မှုကိုထင်ဟပ်စေသည်။ 

နောက်ထပ်ကျယ်ပြန့်စွာဖော်ပြထားသော ဥပမာ- နှစ်စဉ် Google I/O ဆော့ဖ်ဝဲရေးသားသူကွန်ဖရင့်တွင်၊ Google သည် ၎င်းတို့၏အရေပြား၊ ဆံပင်နှင့် လက်သည်းနှင့်ပတ်သက်သည့် ပြဿနာများကို လူတို့နားလည်စေရန် AI-powered dermatology assist tool တစ်ခု၏ အကြိုသုံးသပ်ချက်ကို မျှဝေခဲ့သည်။ အရေပြားရောဂါဗေဒလက်ထောက်က AI သည်ကျန်းမာရေးစောင့်ရှောက်မှုကိုကူညီရန်မည်သို့တိုးတက်ပြောင်းလဲလာသည်ကိုထောက်ပြသည်၊ သို့သော်၎င်း tool သည်အရောင်များအတွက်မလုံလောက်ဟုဝေဖန်မှုများကြောင့် AI ဘက်သို့ ၀ င်ရန်အလားအလာကိုမီးမောင်းထိုးပြခဲ့သည်။

Google က အဆိုပါကိရိယာကို ကြေညာသောအခါ ကုမ္ပဏီက မှတ်ချက်ချသည်-

ကျွန်ုပ်တို့သည် လူတိုင်းအတွက် တည်ဆောက်နေကြောင်း သေချာစေရန်အတွက်၊ ကျွန်ုပ်တို့၏ မော်ဒယ်သည် အသက်၊ လိင်၊ လူမျိုး၊ နှင့် အသားအရေ အမျိုးအစားများဖြစ်သည် — ဖျော့တော့သော အသားအရည်မှ နေလောင်ခဲသော အညိုရောင် အသားအရည်အထိ ပါဝင်သည်။

Google သည် AI ကို သုံး၍ ဘုံအရေပြားအခြေအနေများအတွက်အဖြေများကိုကူညီရှာဖွေပေးသည်

သို့သော်ဒုဆောင်းပါးတစ်ပုဒ်က Google သည်အားလုံးပါဝင်သောအချက်အလက်အစုံကိုသုံးရန်ပျက်ကွက်ခဲ့သည်ဟုဆိုသည်။

အလုပ်ပြီးမြောက်ရန်အတွက် သုတေသီများသည် ပြည်နယ်နှစ်ခုတွင်ရှိသော လူနာ ၁၂,၃၉၉ ဦး၏ ရုပ်ပုံပေါင်း ၆၄,၈၃၇ ၏ လေ့ကျင့်ရေးဒေတာအတွဲကို အသုံးပြုခဲ့သည်။ ဒါပေမယ့် ပုံမှာပြထားတဲ့ ထောင်ပေါင်းများစွာသော အရေပြားအခြေအနေတွေမှာတော့ ၃.၅ ရာခိုင်နှုန်းသာ Fitzpatrick အရေပြားအမျိုးအစား V နဲ့ VI ရှိတဲ့ လူနာတွေဖြစ်တဲ့ အညိုရောင်အသားအရေနဲ့ အညိုရင့်ရောင် ဒါမှမဟုတ် အနက်ရောင်အသားအရေကို ကိုယ်စားပြုတဲ့ လူနာတွေကနေ လာကြပါတယ်။ သုတေသန၏ ၉၀ ရာခိုင်နှုန်းကိုမျှတသောအသားအရေ၊ အနက်ရောင်အသားအရေသို့မဟုတ်ညိုဖျော့သောအသားအရေရှိသူများနှင့်ဖွဲ့စည်းထားသည်။ ဘက်လိုက်နမူနာ၏ရလဒ်အနေဖြင့်၊ အရေပြားအထူးကုဆရာဝန်များသည် အက်ပ်လီကေးရှင်းသည် လူဖြူမဟုတ်သောလူများကို အဝလွန်ခြင်း သို့မဟုတ် ရောဂါရှာဖွေမှုနည်းပါးခြင်းတို့ကို အဆုံးသတ်နိုင်သည်ဟု ဆိုသည်။

Vice၊ Google ၏ အရေပြားရောဂါဗေဒအက်ပ်အသစ်သည် အသားအရေပိုညိုသူများအတွက် ဒီဇိုင်းထုတ်ထားခြင်းမဟုတ်ပေ။

Google က ၎င်းသည် ၎င်းကိုတရားဝင်မထုတ်ပြန်မီ ကိရိယာကို ပြန်လည်ပြုပြင်မည်ဟု ပြောခြင်းဖြင့် တုံ့ပြန်ခဲ့သည်-

ကျွန်ုပ်တို့၏ AI ပါ ၀ င်သောအရေပြားရောဂါဗေဒအထောက်အကူပြုကိရိယာသည်သုတေသနသုံးနှစ်ကျော်၏အထွဋ်အထိပ်ဖြစ်သည်။ ကျွန်ုပ်တို့၏လုပ်ငန်းကို Nature Medicine တွင်ပြသထားသောကြောင့်၊ ကျွန်ုပ်တို့သည် လူထောင်ပေါင်းများစွာမှလှူဒါန်းသောဒေတာနှင့် သန်းပေါင်းများစွာသော အသားအရေထိန်းသိမ်းမှုပုံများပါ၀င်သည့် နောက်ထပ်ဒေတာအတွဲများကို ပေါင်းစပ်ထည့်သွင်းခြင်းဖြင့် ကျွန်ုပ်တို့၏နည်းပညာကို ဆက်လက်ဖန်တီးပြီး ပြုပြင်မွမ်းမံထားပါသည်။

Google သည် AI ကို သုံး၍ ဘုံအရေပြားအခြေအနေများအတွက်အဖြေများကိုကူညီရှာဖွေပေးသည်

AI နှင့်စက်သင်ယူမှုအစီအစဉ်များသည်ဤဘက်လိုက်မှုများအတွက်မှန်ကန်နိုင်လိမ့်မည်ဟုကျွန်ုပ်တို့မျှော်လင့်နိုင်သလောက်တော့အမှန်ဖြစ်သည်၊ ၎င်းတို့သည်အတိုင်းသာဖြစ်သည် စမတ် ၎င်းတို့၏ ဒေတာအတွဲများသည် သန့်ရှင်းသောကြောင့် ဖြစ်သည်။ ပရိုဂရမ်းမင်းဆိုရိုးစကားဟောင်းအတွက် အပ်ဒိတ်တစ်ခု အမှိုက်များ/အမှိုက်များထွက်သည်AI ဖြေရှင်းချက်များသည် ခရီးထွက်ရာနေရာမှ ၎င်းတို့၏ ဒေတာအစုံများ၏ အရည်အသွေးအတိုင်းသာ အားကောင်းပါသည်။ ပရိုဂရမ်မာများထံမှအဖြေလွှာမရှိလျှင်ဤအချက်အလက်အစုံသည်၎င်းတို့ကိုယ်တိုင်ဖြေရှင်းရန်နောက်ခံအတွေ့အကြုံမရှိပေ။

တာဝန်ယူမှုရှိသောအချက်အလက်အစုံတည်ဆောက်ခြင်းသည်အားလုံး၏အဓိကဖြစ်သည် ကျင့်ဝတ်ဆိုင်ရာ ဉာဏ်ရည်တုမရ။ ပြီးတော့လူတွေဟာဖြေရှင်းချက်ရဲ့အမာခံမှာရှိတယ်။ 

သတိရှိသော AI သည် Ethical AI ဖြစ်သည်

ဘက်လိုက်မှုသည်လစ်ဟာမှုတွင်မဖြစ်ပေါ်ပါ။ ကျင့်ဝတ်မဲ့သော သို့မဟုတ် ဘက်လိုက်သော ဒေတာအစုံများသည် ဖွံ့ဖြိုးတိုးတက်မှုအဆင့်အတွင်း မှားယွင်းသောချဉ်းကပ်မှုမှ လာပါသည်။ ဘက်လိုက်မှုအမှားများကို တိုက်ဖျက်ရန် နည်းလမ်းမှာ လုပ်ငန်းတွင်းရှိ လူအများက Mindful AI ဟုခေါ်သော တာဝန်သိပြီး လူသားကိုဗဟိုပြုသည့် ချဉ်းကပ်နည်းကို ချမှတ်ခြင်းဖြစ်သည်။ Mindful AI တွင်အရေးကြီးသောအစိတ်အပိုင်းသုံးခုရှိသည်။

1. Mindful AI သည် လူသားကိုဗဟိုပြုသည်။

AI ပရောဂျက်စတင်ချိန်မှစ၍ စီမံကိန်းရေးဆွဲခြင်းအဆင့်တွင် လူများ၏လိုအပ်ချက်များသည် ဆုံးဖြတ်ချက်တိုင်း၏ဗဟိုတွင်ရှိရမည်ဖြစ်သည်။ ၎င်းသည်လူအားလုံးကိုဆိုလိုသည် - အုပ်စုငယ်တစ်ခုသာမဟုတ်ပါ။ ထို့ကြောင့် developer များသည် AI အပလီကေးရှင်းများ အားလုံးပါဝင်ပြီး ဘက်လိုက်မှုကင်းစင်စေရန် လေ့ကျင့်ပေးရန်အတွက် ကမ္ဘာတစ်ဝှမ်းရှိ ကွဲပြားသောအဖွဲ့တစ်ဖွဲ့ကို အားကိုးရန်လိုအပ်ပါသည်။

တစ်ကမ္ဘာလုံးမှ ဒေတာအစုံများကို စုဆောင်းရှာဖွေခြင်းဖြင့် ကွဲပြားသောအဖွဲ့သည် ဘက်လိုက်မှုများကို ဖော်ထုတ်ပြီး စောစီးစွာ စစ်ထုတ်ကြောင်း သေချာစေသည်။ ကွဲပြားသောလူမျိုးများ၊ အသက်အုပ်စုများ၊ ကျားမ၊ ပညာရေးအဆင့်အတန်း၊ လူမှုစီးပွားနောက်ခံများနှင့်တည်နေရာများသည်အခြားအုပ်စုများထက်တန်ဖိုးများကိုပိုနှစ်သက်စေသောအချက်အလက်အစုံများကိုပိုမိုလွယ်ကူစွာတွေ့ရှိနိုင်ပြီးမလိုလားအပ်သောဘက်လိုက်မှုကိုလျော့နည်းစေသည်။

အသံအပလီကေးရှင်းများကို ကြည့်ပါ။ သတိချပ်သော AI ချဉ်းကပ်မှုကိုကျင့်သုံးခြင်းနှင့်ကမ္ဘာလုံးဆိုင်ရာစွမ်းရည်ရေကန်၏စွမ်းအားကိုအသုံးချသောအခါ developer များသည်ဒေတာအစုံ၌ကွဲပြားသောဒေသိယစကားများနှင့်အသံထွက်များကဲ့သို့ဘာသာစကားဆိုင်ရာအချက်များကိုတွက်ချက်နိုင်သည်။

လူသားကိုဗဟိုပြုဒီဇိုင်းမူဘောင်တည်ဆောက်ခြင်းသည်အစကတည်းကအရေးကြီးသည်။ ထုတ်လုပ်လိုက်သော၊ စီမံထားသော၊ နှင့် အညွှန်းတပ်ထားသော ဒေတာများသည် သုံးစွဲသူများ၏မျှော်လင့်ချက်နှင့် ကိုက်ညီကြောင်း သေချာစေရန်အတွက် အလှမ်းဝေးပါသည်။ ဒါပေမယ့် ထုတ်ကုန်ဖွံ့ဖြိုးတိုးတက်မှုဘဝစက်ဝန်းတစ်ခုလုံးမှာ လူသားတွေကို ကွင်းဆက်ထဲမှာရှိနေဖို့လည်း အရေးကြီးပါတယ်။ 

ကွင်းအတွင်းမှလူသားများသည်စက်များအားပိုမိုကောင်းမွန်သော AI အတွေ့အကြုံတစ်ခုဖန်တီးရန်ကူညီနိုင်သည်။ Pactera EDGE တွင်၊ ကမ္ဘာတစ်ဝှမ်းရှိ ကျွန်ုပ်တို့၏ AI ဒေတာပရောဂျက်အဖွဲ့များသည် ကွဲပြားခြားနားသောယဉ်ကျေးမှုများနှင့် အကြောင်းအရာများသည် ယုံကြည်စိတ်ချရသော AI လေ့ကျင့်ရေးဒေတာကို စုဆောင်းခြင်းနှင့် ပြင်ဆင်ခြင်းအပေါ် မည်သို့အကျိုးသက်ရောက်နိုင်သည်ကို နားလည်ပါသည်။ သူတို့မှာပြသနာတွေကိုအလံပြဖို့၊ သူတို့ကိုစောင့်ကြည့်ဖို့၊ AI အခြေပြုအဖြေတစ်ခုမရှင်သန်ခင်မှာသူတို့ကိုပြုပြင်ဖို့လိုအပ်တဲ့ကိရိယာတွေရှိတယ်။

Human-in-the-loop AI သည် လူများ၏ အားသာချက်များကို ပေါင်းစပ်ထားသည့် ပရောဂျက်တစ်ခုဖြစ်ပြီး ၎င်းတို့၏ မတူကွဲပြားသော နောက်ခံများကို စက်များ၏ လျင်မြန်သော ကွန်ပြူတာစွမ်းအားဖြင့် ပေါင်းစပ်ထားသည်။ ဤလူ့နှင့် AI ပူးပေါင်းဆောင်ရွက်မှုသည် ပရိုဂရမ်၏အစမှစတင်၍ ဘက်လိုက်သောဒေတာကို ပရောဂျက်တွင်အခြေခံအုတ်မြစ်မဖြစ်စေရန်အတွက် ပရိုဂရမ်၏အစမှစတင်တည်ဆောက်ရန်လိုအပ်ပါသည်။ 

၂။ သတိရှိသော AI သည်တာဝန်ရှိသည်

တာဝန်သိစိတ်သည်ဘက်လိုက်မှုကင်းသော AI စနစ်များနှင့်၎င်းတို့သည်ကျင့်ဝတ်၌အခြေခံကြောင်းသေချာစေရန်ဖြစ်သည်။ ၎င်းသည်မည်သို့၊ အဘယ်ကြောင့်၊ အချက်အလက်များဖန်တီးပုံ၊ AI စနစ်များအားမည်သို့ပေါင်းစပ်ပုံ၊ ၎င်းကိုကျင့်ဝတ်ဆိုင်ရာအကျိုးသက်ရောက်မှုများဖြစ်စေနိုင်သောဆုံးဖြတ်ချက်များကိုမည်သို့အသုံးပြုသည်ကိုသတိချပ်ရန်ဖြစ်သည်။ စီးပွားရေးလုပ်ရန်နည်းလမ်းတစ်ခုမှာအောက်ခြေကိုယ်စားပြုအသိုင်းအဝိုင်းများနှင့်ပိုမိုဘက်စုံပါဝင်မှုရှိစေရန်နှင့်ဘက်လိုက်မှုကင်းရန်ဖြစ်သည်။ ဒေတာမှတ်စုများ နယ်ပယ်တွင်၊ စာတမ်းရှင်၏ အညွှန်းတစ်ခုစီကို သီးခြားလုပ်ဆောင်စရာခွဲများအဖြစ် ကုသပေးသည့် Multi-annotator Multi-task model သည် သရုပ်ဖော်သူ၏ အညွှန်းများကို သီးခြားလုပ်ဆောင်စရာများအဖြစ် မည်သို့လုပ်ဆောင်နိုင်သည်ကို သုတေသနအသစ်က မီးမောင်းထိုးပြနေပါသည်။ တစ်ခုတည်းသော အခြေခံအမှန်တရားဆီသို့ မှတ်ချက်များကို စုစည်းမှုတွင် လျစ်လျူရှုနိုင်သည်။ 

3. ယုံကြည်ထိုက်သော

ယုံကြည်စိတ်ချရမှုသည်ပွင့်လင်းမြင်သာမှုရှိပြီး AI ပုံစံအားမည်သို့လေ့ကျင့်ထားသည်၊ မည်သို့လုပ်ဆောင်သည်၊ ရလဒ်များကိုအဘယ့်ကြောင့်ထောက်ခံကြောင်းရှင်းပြသည်။ လုပ်ငန်းတစ်ခုသည်၎င်း၏ ၀ ယ်သူများအား၎င်းတို့၏ AI အသုံးချမှုများကိုပိုမိုပါဝင်နိုင်ရန်နှင့်ကိုယ်ပိုင်ဖြစ်အောင်ပြုလုပ်ရန်၊ ဒေသတွင်းဘာသာစကားနှင့်အရေးပါသောကွဲလွဲချက်များကိုလေးစားသောအားဖြင့်နိုင်ငံတစ်နိုင်ငံမှတစ်နိုင်ငံသို့ AI ကိုယုံကြည်စေနိုင်သောသို့မဟုတ်ပျက်စီးစေနိုင်သောဒေသတွင်းအတွေ့အကြုံများအားအသုံးပြုသည်။ မရ။ ဥပမာအားဖြင့်၊ လုပ်ငန်းတစ်ခုသည် အသံကိုအခြေခံသည့် အက်ပ်ပလီကေးရှင်းများရှိ ဘာသာစကားများ၊ ဒေသိယစကားများနှင့် လေယူလေသိမ်းများအပါအဝင် ပုဂ္ဂိုလ်ရေးဆန်သောနှင့် ဒေသန္တရအကြောင်းအရာများအတွက် ၎င်း၏အက်ပ်လီကေးရှင်းများကို ဒီဇိုင်းဆွဲသင့်သည်။ ဤနည်းအားဖြင့် app တစ်ခုသည်အင်္ဂလိပ်ဘာသာမှသည်ကိုယ်စားပြုဘာသာစကားများအထိဘာသာစကားတိုင်းအတွက်တူညီသောအသံအတွေ့အကြုံအတွေ့အကြုံကိုယူဆောင်လာသည်။

တရားမျှတမှုနှင့် ကွဲပြားမှု

အဆုံးစွန်အားဖြင့်၊ သတိချပ်သော AI သည် ဖြေရှင်းချက်များအား စျေးကွက်သို့မဝင်မီ သီးခြားရလဒ်များနှင့် အကျိုးဆက်များ၏ အကျိုးဆက်များကို စောင့်ကြည့်အကဲဖြတ်သည့် မျှတပြီး ကွဲပြားသော ဒေတာအတွဲများပေါ်တွင် ဖြေရှင်းချက်များကို သေချာစေပါသည်။ ဖြေရှင်းချက်၏ အစိတ်အပိုင်းတိုင်းတွင် လူသားများပါဝင်ခြင်းဖြင့် AI မော်ဒယ်များသည် သန့်ရှင်းနေစေရန်၊ ဘက်လိုက်မှုအနည်းဆုံးနှင့် တတ်နိုင်သမျှ ကျင့်ဝတ်များရှိကြောင်း သေချာစေရန် ကျွန်ုပ်တို့က ကူညီပေးပါသည်။

သင်ဘယ်လိုထင်ပါလဲ?

ဤ site ကိုစပမ်လျှော့ချဖို့ Akismet ကိုအသုံးပြုသည်။ သင့်ရဲ့ comment ကိုဒေတာများကိုဆောင်ရွက်ပြီးဖြစ်ပါတယ်လေ့လာ.