Giải quyết những định kiến trong hệ thống trí tuệ nhân tạo của chúng ta là một trong những thách thức cấp bách nhất của thời đại hiện nay. Tại sao? Bởi vì hậu quả của thành kiến trong các hệ thống này tốt nhất là có vấn đề và tệ nhất là   . chết người  Sau gần 2 thập kỷ kinh nghiệm với tư cách là một kỹ sư chuyên nghiệp, tôi coi trí tuệ nhân tạo như một tấm gương phản chiếu cho nhân loại. Rốt cuộc, các hệ thống AI học hỏi từ dữ liệu được tạo ra bởi các quyết định của con người, vì vậy chúng chỉ đơn giản là phản ánh lại cho chúng ta những thành kiến của xã hội được mã hóa và khuếch đại vào công nghệ của chúng ta.  Trong một   , một kỹ sư của Google nhận thấy rằng hệ thống nhận dạng hình ảnh của công ty đang gắn nhãn người Da đen là “khỉ đột”. Ví dụ, khi những hệ thống này tiếp tục được sử dụng để huấn luyện   , việc chúng không có khả năng xác định chính xác những người có tông màu da sẫm hơn có thể gây nguy hiểm đến tính mạng. ví dụ nổi tiếng từ năm 2015 các phương tiện tự hành của Tesla  Mặc dù đáng sợ, nhưng những ví dụ này không có nghĩa là chúng ta phải mất hết hy vọng vào sự phát triển hơn nữa của công nghệ hỗ trợ AI. Trên thực tế, có rất nhiều công cụ mà các nhóm kỹ sư có thể sử dụng để xác định và loại bỏ các thành kiến trong dữ liệu và mô hình thuật toán của họ nhằm ngăn chặn các kết quả bất công và thảm khốc.  Tuy nhiên, chìa khóa bắt đầu bằng sự đa dạng trong thành viên của chính các nhóm được giao nhiệm vụ xây dựng các hệ thống AI định hình hiện tại và tương lai của chúng ta.  Xây dựng các nhóm AI với sự đại diện đa dạng về chủng tộc, giới tính, khuynh hướng tình dục, độ tuổi, điều kiện kinh tế, v.v. giúp tạo ra các hệ thống AI chính xác và có đạo đức hơn. Bạn càng có nhiều người từ các nền tảng khác nhau làm việc với dữ liệu, thì nhóm càng có khả năng phát hiện ra sự sai lệch trước khi quá muộn. Sự đa dạng cũng thúc đẩy tư duy sáng tạo hơn cũng như cải thiện khả năng mở rộng quy mô đến các thị trường lớn hơn và rộng hơn.  Làm thế nào để thuê một nhóm AI đa dạng hơn  Như hiện tại, các công ty công nghệ đang thiếu sự đa dạng một cách nghiêm trọng. Một   cho thấy ít hơn 5% lực lượng lao động tại các công ty công nghệ hàng đầu là người da đen hoặc Latinx. Trong khi đó, dân số Hoa Kỳ bao gồm 13,4% người Da đen và 18,4% người Latinh. nghiên cứu năm 2019 của Viện AI Now  Lời giải thích cho những khoảng cách này có thể là do vô số yếu tố - bao gồm các rào cản lịch sử và cấu trúc mà sinh viên thiểu số và các ứng viên tiềm năng phải đối mặt.  Dữ liệu cho thấy có đến 80% sinh viên Da đen, Latinx, Bản địa, thế hệ thứ nhất và thu nhập thấp bắt đầu lấy bằng CS bỏ học chương trình của họ.  Sử dụng dữ liệu này, chúng tôi đã chọn can thiệp vào một điểm quan trọng dọc theo quỹ đạo của sinh viên - đầu những năm đại học của họ - và xây dựng chương trình để hỗ trợ họ tiếp tục đầu tư vào khoa học máy tính và cuối cùng thành công trong việc đảm bảo bằng cấp cũng như tham gia các kỳ thực tập cạnh tranh và đầy đủ - vai trò phần mềm kỹ thuật thời gian.  Điều quan trọng là các kỳ thực tập được trả lương để xây dựng các kỹ năng thực tế, kết nối và sự tự tin cần được nung nấu sớm và trong suốt hành trình học tập của sinh viên.  Mục tiêu của những kỳ thực tập ban đầu này, được thiết kế đặc biệt cho những sinh viên đang lên, là cung cấp cho nhiều sinh viên có trình độ thấp kinh nghiệm kỹ thuật và hỗ trợ sớm trong sự nghiệp đại học của họ trước khi họ quyết định bỏ học hoặc chuyển đổi chuyên ngành.  Ví dụ, chương trình Thực tập Mùa hè cho Công nghệ Xuất sắc   dành cho sinh viên CS không được đại diện đã thành công với gần 86% sinh viên tốt nghiệp năm 2021 có cơ hội thực tập hưởng lương năm cuối. Một chương trình tiền thực tập khác có tên là   đang khởi động với nhóm 25 người tiền thực tập đầu tiên vào tháng 6. (SITE) Futureforce Tech Launchpad  Các công ty này và hơn thế nữa là một số công ty dẫn đầu sẽ định hình tương lai của trí tuệ nhân tạo mà chúng tôi đang bước vào, đó là lý do tại sao họ cần sử dụng sự đa dạng trong các nhóm sản phẩm của mình.  Nhưng ngay cả khi một công ty không trực tiếp làm việc trên AI, họ có thể đang   , có nghĩa là có thể có những loại trừ liên tục được nhúng vào phần mềm đang được sử dụng để đánh giá nhân tài tiềm năng. sử dụng nó để tuyển dụng  Điều này càng chứng tỏ sự cần thiết của các cầu nối lấy con người làm trung tâm - thúc đẩy các mối quan hệ và cung cấp sự cố vấn - giữa các ứng viên kỹ thuật có trình độ chuyên môn vững chắc và các chuyên gia công nghệ đang làm việc.  AI ở khắp mọi nơi. Và trừ khi chúng ta bắt đầu cố ý tuyển dụng nhiều đội đa dạng hơn để thiết kế và xây dựng nó, chúng ta sẽ tiếp tục thấy những tác động có vấn đề và nguy hiểm của công nghệ này đối với thế giới của chúng ta.  Tuy nhiên, thông qua quan hệ đối tác xuyên ngành - tập hợp các trường đại học, công ty công nghệ và các tổ chức phi lợi nhuận khác - chúng ta có thể phát minh lại đường dẫn đến lực lượng lao động công nghệ và có lẽ bắt đầu thấy một thế giới bình đẳng hơn phản chiếu lại chúng ta thông qua tấm gương trí tuệ nhân tạo mà chúng ta xây dựng .

Google

Tesla

Read My Stories

Nghe bài viết này bằng Tiếng Anh, đọc bởi robot thông minh của HackerNoon

Tại sao cần phải có sự đa dạng hơn trong các vai trò cạnh tranh của AI đòi hỏi sự cải tiến của đường ống thực tập

About Author

BÌNH LUẬN

chuyên mục

BÀI VIẾT NÀY CŨNG CÓ MẶT TẠI

Related Stories

309 Stories To Learn About Smart Contracts

128 Stories To Learn About Charles Dickens

72 Stories To Learn About Adam Smith

85 Stories To Learn About Productivity Hacks

309 Stories To Learn About Smart Contracts

128 Stories To Learn About Charles Dickens

72 Stories To Learn About Adam Smith

85 Stories To Learn About Productivity Hacks

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps