บทความ เรื่อง เอไอช่วยล่าอนาคต สกัดอาชญากรรม ตอนที่ 1ได้กล่าวถึงการนำเอไอไปใช้ประกอบการตัดสินใจของระบบตุลาการในประเทศสหรัฐอเมริกาซึ่งผู้ให้บริการมีการใช้เอไอในรูปแบบของอัลกอริทึมหรือขั้นตอนวิธีในการทำนายแนวโน้มอาชญากรรม ทำนายความรุนแรงและอาชญากรรมด้วยระบบ advanced machine learning แต่คำถามคือ แล้วเราจะเชื่อถือเอไอได้จริงหรือ เนื่องจากเมื่อนักวิจัยได้ศึกษาลงไปในรายละเอียดแล้ว พบว่าอัลกอริทึมนั้นมีข้อมูลบางอย่างที่มีอคติ เช่น มีข้อมูลทางกฎหมายที่มีแนวโน้มจะมีอคติด้านเชื้อชาติและการเลือกปฏิบัติ เป็นต้น หรือรูปแบบการเรียนรู้บางอย่างของเอไอยังคงยึดติดในแบบเก่าๆ ที่ไม่เหมาะสมกับเหตุการ ดังนั้น จึงต้องมีการจัดกลุ่มข้อมูลอย่างแม่นยำ และยังต้องมีการใช้หลักการอื่นร่วมกับการประเมินเอไอด้วย ดังต่อไปนี้

1. การเป็นตัวแทน (Representation) ของกลุ่มที่แท้จริง ในการที่จะป้องกันไม่ให้เกิดอคติที่ไม่เท่าเทียมกัน วัตถุทุกอย่างควรมีโอกาสเป็นตัวแทนของข้อมูลได้เท่าๆ กัน  บางครั้ง ยังอาจหมายถึงว่าประชากรที่มีโอกาสต่ำกว่าในการเป็นตัวแทนของกลุ่มก็ต้องนำมาพิจารณาในชุดข้อมูลที่เทรนเอไอ และบางครั้ง ก็หมายถึงว่าโมเดลการเรียนรู้ของเครื่องจักรในเรื่องอคติก็ต้องมีการเทรนซ้ำๆ จากแหล่งข้อมูลที่หลากหลายด้วย

2. การปกป้อง (Protection) ในระบบการเรียนรู้ของเครื่องจักรจำเป็นต้องหลีกเลี่ยงผลที่มีลักษณะเอนเอียงของบุคคล โดยเฉพาะผลกระทบที่เกี่ยวข้องกับบุคคลที่มีลักษณะทางกายภาพที่เปราะบาง  บุคคลที่มีคุณลักษณะอ่อนไหวซึ่งอาจรวมถึงเชื้อชาติ เผ่าพันธุ์ เพศ สัญชาติ รสนิยมทางเพศ ศาสนา และความเชื่อทางการเมือง

ดังนั้น การตัดสินที่เกี่ยวข้องกับบุคคลดังกล่าวจึงต้องหลีกเลี่ยงข้อมูลที่มีความเอนเอียงไปในทางที่เกี่ยวข้องกับคุณลักษณะดังกล่าว แต่รูปแบบการเรียนรู้ของเอไอที่ละเลยตัวแปรที่อ่อนไหวเช่นนั้นก็ไม่ช่วยแก้ไขปัญหาที่เกิดจากปัจจัยอันหลากหลายซึ่งอาจมีความสัมพันธ์กันได้

สำหรับงานยุติธรรมทางอาญา มีการศึกษาวิจัยที่แสดงว่าการละเลยด้านเชื้อชาติจากชุดข้อมูลของประวัติด้านอาชญากรรมยังคงทำให้เกิดการทำนายที่แตกต่างกันด้านเชื้อชาติอยู่ดี ดังนั้น จึงอาจนำข้อมูลที่อ่อนไหวเหล่านั้นออกไปจากชุดข้อมูลแล้วใช้อัลกอริทึมการเรียนรู้ของเครื่องจักรแบบเสริมเข้ามาแทนที่ นักวิจัยจึงหวังว่าในอนาคต แนวทางนี้จะช่วยให้วิศวกรสามารถสร้างระบบเอไอที่เป็นกลางในด้านเชื้อชาติเพื่อใช้ในการทำนายแนวโน้มการก่ออาชญากรรมซ้ำ

3. การดูแล (Stewardship) ความเป็นธรรมที่เกิดจากการใช้อัลกอริทึมไม่ใช่แค่เรื่องของการขาดความยุติธรรมเท่านั้น  แต่มันยังเป็นตัวแทนของความรับผิดชอบที่จะขับเคลื่อนความเป็นธรรมในการออกแบบระบบการเรียนรู้ของเครื่องจักรด้วย ดังนั้น จึงจำเป็นต้องมีระบบการดูแลต่างๆ จากทีมที่ประกอบด้วยกลุ่มคนที่หลากหลายเพื่อสนับสนุนรูปแบบเอไอที่มีขนาดใหญ่ หน่วยงานไม่แสวงหากำไรบางหน่วยงานก็เริ่มทำแล้ว เช่น  ProPublica และ Privacy International

4. ความจริงแท้ (Authenticity) หลักการสุดท้ายอ้างอิงถึงความแท้จริงของการเทรนข้อมูลรวมทั้งความแท้จริงของการทำนายของเอไอที่ใช้ในการบอกกล่าวเพื่อให้มนุษย์ตัดสินใจ ตัวอย่างเช่น แม้ว่าจะมียังคงมีความพยายามที่จะจำกัดการนำไปใช้งานที่ไม่ถูกต้องหรือมีแนวโน้มจะเป็นอันตราย แต่การเรียนรู้ของเอไอในอดีตก็ถูกไปบิดเบือนความจริงผ่านการใช้ Deep-fakes (เช่นการปลอมวิดีโอโดยใช้หน้าของบุคคลจริงแต่แทนที่ด้วยเสียงผู้อื่น) ไปแล้ว แต่วิธีการนี้ก็สามารถนำไปใช้ประโยชน์ในทางธุรกิจได้เช่นกัน ตัวอย่างเช่น  CereProc ซึ่งเป็นบริษัทที่ทำการแปลงข้อความไปเป็นเสียงพูดซึ่งทำขึ้นเพื่อบริษัทที่ต้องการใช้เสียงที่เป็นธรรมชาติสื่อสารกับลูกค้า เป็นต้น

หลักการทั้ง 4 ประการนี้สามารถช่วยให้เอไอมีความสามารถเพิ่มขึ้นในเรื่องที่เกี่ยวข้องกับความยุติธรรมที่เกิดจากเอไอได้ โดยเฉพาะอย่างยิ่งเมื่อนำไปใช้กับกระบวนการยุติธรรมด้านการทำนายและการตัดสิน ความเป็นธรรมนี้ไม่ใช่ว่าจะเป็นสิ่งที่ตายตัวสำหรับการเรียนรู้ของเครื่องจักร แต่วิศวกรจำเป็นต้องก้าวไปอีกขั้นหนึ่งที่จะเปลี่ยนแปลงสิ่งนี้ เพราะเมื่อเราเข้าไปเกี่ยวข้องในระบบตุลาการแล้ว เราต่างก็เสี่ยงที่จะพบเจอกับอคติหรือรูปแบบที่ส่งผลต่อความไม่ยุติธรรมได้เช่นเดียวกัน

ปัจจุบัน เอไอก็คืออัลกอริทึมที่สามารถนำมาใช้วัดและลดอคติที่เกี่ยวข้องกับความยุติธรรมได้ในระดับหนึ่ง  แต่ในอนาคต คาดว่าวิศวกรที่พัฒนาเอไอจะสามารถใช้เทคนิคนี้ไปช่วยเหลือมนุษย์ในการตัดสินใจจากการทำนายที่ปราศจากอคติอย่างสิ้นเชิงได้ต่อไป

ที่มา: 1. https://www.weforum.org/agenda/2018/11/algorithms-court-criminals-jail-time-fair/
2. http://time.com/4966125/police-departments-algorithms-chicago/
3. https://rework.withgoogle.com/guides/unbiasing-raise-awareness/steps/watch-unconscious-bias-at-work/

Related posts

• แรงผลักดันที่เปลี่ยนแปลงวิธีการดำเนินธุรกิจของคนในอนาคต ตอนที่ 2
• ความสำคัญของการจัดการน้ำสำหรับ Smart City ในอนาคต
• เทคโนโลยีล้ำยุค อุปกรณ์เซ็นเซอร์ช่วยส่งข้อความพืชขาดน้ำโดยอัตโนมัติ
• 10 อันดับการคาดการณ์ เทคโนโลยี ปี 2014 ตอนที่ 2
• เดินเรืออย่างปลอดภัยด้วยมาตรฐาน ISO/PAS 21195

Tags: AI, Future Management, Future watch, Technology