ビッグデータアルゴリズムのジレンマ

ビッグデータアルゴリズムのジレンマ

2013年、米国で窃盗罪で有罪判決を受けた男性がウィスコンシン州の裁判所に訴訟を起こしたという物議を醸す事件があった。その理由は、彼が懲役8年の判決を受けたのは、彼の犯した罪や裁判官の判決のためではなく、AI(人工知能)が彼が社会にとって「非常に危険」であると判断したためである。ビッグデータの時代において、私たちが最も懸念しているのは、データのセキュリティとプライバシーです。しかし、データとアルゴリズムがもたらす問題は、セキュリティやプライバシーよりもはるかに重要かもしれません。

ビッグデータはアルゴリズムを極めて強力にする

機械学習とディープ ニューラル ネットワークは、アルゴリズム設計における人間の限界を克服します。データがあり、データ内に統計的な規則性がある限り、アルゴリズムはこれらの規則性を見つけることができます。近年の人工知能技術の人気は、主に機械学習やディープニューラルネットワークの技術革新とビッグデータ技術の成熟によるものです。これらの技術革新により、以前は機械では解決不可能だと考えられていた多くの問題が解決可能になりました。かつて、技術者が情報システムを開発する際、ドメイン知識を頭の中でアルゴリズムやプログラムに変換する必要がありました。これらの技術革新により、状況は変わり、ドメイン知識への依存が排除されました。機械学習の手法により、大量のデータからアルゴリズムを自動的に抽出できるため、人間が記述する必要がなくなりました。これにより、ミスや漏れが減り、開発コストが削減されるだけでなく、現実の変化によって遅れることなく、データの変更に応じて自動的に更新できるようになります。

アルゴリズムの問​​題

アルゴリズムには価値判断がありません。計算結果に価値判断を加えるのは最終的には人間です。しかし、人々がアルゴリズムによって提供された結果を社会的な関係に対処するために使用すると、その結果は関係者全員にとって意味のあるものになります。

アルゴリズムは少数の人々に過大な権力を与えてしまいます。技術革新とビッグデータによりアルゴリズムの開発は容易になりましたが、アルゴリズムを開発して活用するために十分なデータとコンピューティング リソースを入手することは依然として非常に困難な作業です。アルゴリズムを習得し活用する能力は依然として少数の人々に限られており、この少数の人々が社会生活において他の人々よりも大きな優位性を持っています。社会的公平性のために、財産上の優位性を持つ人々にはより高い税金を課し、権力を持つ人々にはさまざまな抑制と均衡を課していますが、アルゴリズム上の優位性を持つ人々を制限する方法については、まだ実現可能なアイデアがありません。

アルゴリズムに関する迷信。技術革新により、アルゴリズムを人間が書く必要がなくなりました。これにより、人間がアルゴリズムを開発する負担は軽減されますが、人間がアルゴリズムを理解することはより困難になります。ディープラーニングによって生み出されるアルゴリズムのほとんどは人間には理解できないものですが、ほとんどの場合、そのアルゴリズムは効果的であるため、理解できなくても人々は喜んでそれを使用します。これによりリスクが生じます。アルゴリズムの境界と失敗条件を誰も知らないため、アルゴリズムがいつ失敗するかを知ることができません。理解不足のため、ユーザーはこのリスクを無視する傾向があり、アルゴリズムに関する迷信が形成されます。ウィスコンシン州の訴訟制度もその例です。

対応する社会的制約メカニズムを維持するのは困難です。新しい技術は、その効果があれば、すぐに社会生活に広く普及するでしょう。しかし、新しい技術は人々のライフスタイルを大きく変えることが多く、その変化に対応した社会的制約の仕組みは、新しい技術の社会的影響が次第に明らかになってから、徐々に確立されていくことになります。社会規範は常に社会の現実に遅れをとっています。急速に発展する今日のテクノロジーの世界では、この遅れによって引き起こされる問題が特に顕著です。今日の人工知能が人々の日常生活に与える影響は、ちょうど100年前の自動車の普及が与えた影響に似ています。アメリカの一般家庭が自動車を所有するようになってから何年も経ち、道路信号や交通ルール、運転免許試験などの設備や仕組みは、技術の変化のスピードに追いつくために徐々に改善されていきました。

変化の中の秩序を探る。人工知能技術は今も急速に発展しており、社会生活への影響はようやく現れ始めたばかりです。この点において、我々は、技術発展を妨げて本末転倒になることも、技術発展を放置して弱肉強食になることも許されない。技術発展の動向と社会現実の変化に対応し、絶えず模索と調整を行い、利益を促進して不利益を排除し、技術発展が常に社会進歩の原動力となるようにしなければならない。

<<:  膨大なログから未知の異常な動作をオンラインでリアルタイムに検出するにはどうすればよいでしょうか?ハンシのシーケンス異常アルゴリズムを参照

>>:  GNMT - Google のニューラル ネットワーク翻訳システム

ブログ    
ブログ    
ブログ    
ブログ    

推薦する

2020年のビジネスにおけるAIトレンドトップ10 人工知能技術は驚異的な速度で成長している

人工知能は 2010 年代の技術であり、時が経つにつれて、ますます多くの AI 技術が登場しています...

スパムボットが誤って7億件のメールアドレスとパスワードを漏洩

海外メディアの報道によると、悪名高いスパムロボットが所有する7億件の電子メールアドレスと、使用してい...

テキスト生成画像は非常に人気があり、これらの技術の進化を理解する必要があります

OpenAIは最近、AIコミュニティに「地震」を引き起こしたDALL・E 2システムをリリースしま...

論文執筆に必ず使うべき 12 のニューラル ネットワーク可視化ツール

この記事では、ニューラルネットワークの描画をより美しくする 12 個のツールを紹介します。 1. 描...

...

人工知能と人間の思考の類似点と相違点

人間の思考(合理性や心を含む)とはいっ​​たい何なのかという問いは、哲学者や科学の巨匠たちを常に悩ま...

ディープラーニングで構造化データを処理するにはどうすればよいですか?

この投稿では、ディープラーニングのあまり知られていない応用分野である構造化データに焦点を当てます。こ...

C#アルゴリズムで解決した面接の質問

C# アルゴリズムはプログラマーの面接でよく出題されますが、C# アルゴリズムを使用してそれをどのよ...

Baidu Brain の「EasyDL Classic Edition」はあなたを魅了しました。実際の業界アプリケーションを手に入れましたか?

既存のビジネスやソリューションをベースに、企業は AI 機能を導入することで、どのようにすれば効率性...

ユニバーサルミッション!清華大学、線形複雑性を実現するバックボーンネットワークFlowformerを提案|ICML2022

タスクの一般性は、基本モデル研究の中心的な目標の 1 つであり、ディープラーニング研究が高度なインテ...

Google X 中国博士がロボットシミュレーターSimGANをリリース、ICLR2021が出版

[[407004]]工学部の学生は、さまざまなシミュレーターから切り離すことはできません。シミュレー...

メディア業界の自動化をリードする10のAI分野

データ爆発の時代では、データの収集だけでは不十分です。ビジネスを運営し、成長させるための洞察を得るに...

1時間から3.5分まで、Metaの新しいアルゴリズムは携帯電話で3D顔データを収集できる

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

効果はGen-2を超えます! Byte の最新ビデオ生成モデルは、一文でハルクに VR メガネをかけさせます

一言で言えば、ハルクに VR メガネをかけさせるのです。 4K品質。パンダのファンタジーの旅これは、...