سوال:
مشین سیکھنے میں مشین تعصب کیوں ایک مسئلہ ہے؟
A:اس سوال کا جواب دو مختلف طریقوں سے دیا جاسکتا ہے۔ سب سے پہلے ، کیوں مشین تعصب کا مسئلہ ہے ، کیوں کہ ، مشین سیکھنے کے عمل میں کیوں موجود ہے؟
مشین لرننگ ، اگرچہ نفیس اور پیچیدہ ہے ، اس حد تک حد تک محدود ہے جو اس کے استعمال کردہ ڈیٹا سیٹ پر مبنی ہے۔ ڈیٹا سیٹ کی تعمیر میں موروثی تعصب شامل ہے۔ بالکل اسی طرح میڈیا میں ، جہاں مشینری سیکھنے میں ، بھول جانے اور جان بوجھ کر انتخاب کو ایک خاص تعصب دکھایا جاسکتا ہے ، اس طرح کے تعصب کی موجودگی کا تعین کرنے کے لئے جو ڈیٹا سیٹ استعمال کیے جاتے ہیں ان کا جائزہ لینا ضروری ہے۔
| مفت ڈاؤن لوڈ: مشین سیکھنا اور اس سے کیوں فرق پڑتا ہے |
مثال کے طور پر ، ٹکنالوجی کی جانچ اور ڈیزائن کے عمل میں یہ ایک عام مسئلہ ہے کہ وہ کسی ایک صارف کے لئے دوسرے سے زیادہ ترجیح دکھائے۔ ایک بڑی مثال ٹیک دنیا میں صنفی تفاوت ہے۔
اس سے کیوں فرق پڑتا ہے ، اور یہ مشین سیکھنے پر کیوں لاگو ہوتا ہے؟
کیونکہ جانچ کے ماحول میں موجودہ خواتین کی کمی کی وجہ سے ایسی پیداواری ٹکنالوجی پیدا ہوسکتی ہے جو خواتین سامعین کے لئے کم صارف دوست ہو۔ جس طرح کچھ ماہرین اس کی وضاحت کرتے ہیں وہ یہ ہے کہ موجودہ خواتین آزمائش کے بغیر ، حتمی مصنوع خواتین صارفین کی ان پٹ کو نہیں پہچان سکتی ہے - اس میں خواتین کی شناخت کو پہچاننے کے ل or یا خواتین کے ان پٹ سے مناسب طریقے سے نمٹنے کے ل to ٹولز نہیں ہوسکتے ہیں۔
مختلف نسلوں ، مختلف مذاہب کے لوگوں ، یا کسی دوسرے قسم کے آبادیاتی افراد کے لئے بھی یہی بات درست ہے۔ درست ڈیٹا کے بغیر ، مشین لرننگ الگورتھم کسی دیئے گئے صارف سیٹ کے لئے صحیح طریقے سے کام نہیں کرے گا ، تاکہ اس میں شامل ہونے کے ڈیٹا کو جان بوجھ کر ٹیکنالوجی میں شامل کیا جائے۔ صرف بنیادی اعداد و شمار کے سیٹ لینے اور موروثی تعصب کو تقویت دینے کے بجائے ، انسانی ہینڈلرز کو واقعی اس مسئلے کو دیکھنے کی ضرورت ہے۔
ایک اور مثال مشین لرننگ انجن ہے جو نوکری اور تنخواہ سے متعلق معلومات لیتا ہے اور نتائج برآمد کرتا ہے۔ اگر اس موروثی ڈیٹا سیٹ کا تجزیہ نہیں کیا جاتا ہے تو ، یہ مشین تعصب کو تقویت بخشے گی۔ اگر یہ معلوم ہوجاتا ہے کہ مرد ایگزیکٹو ملازمتوں کی اکثریت رکھتے ہیں ، اور مشین لرننگ کے عمل میں خام ڈیٹا سیٹ کے ذریعے فلٹرنگ کرنا اور اسی طرح کے نتائج واپس کرنا شامل ہیں تو ، اس میں ایسے نتائج برآمد ہوں گے جو مردانہ تعصب کو ظاہر کرتے ہیں۔
سوال کے دوسرے حصے میں شامل ہے کہ یہ تعصب اتنا نقصان دہ کیوں ہے؟ مناسب نگرانی اور جانچ کے بغیر ، نئی ٹیکنالوجیز ہمارے شامل کرنے اور مساوات کے احساس کو نقصان پہنچا سکتی ہیں ، مدد نہیں کرسکتی ہیں۔ اگر کوئی نئی ٹیک پروڈکٹ تیار کی گئی ہو جو چہرے کو ہلکی جلد کے ساتھ پہچان لے ، لیکن گہری چمڑے والے نہیں ، تو یہ نسلی تناؤ میں اضافہ اور اس احساس کا باعث بن سکتا ہے کہ کمپنی تنوع کے ل question حساس نہیں ہے۔ اگر کوئی مشین سیکھنے الگورتھم اعداد و شمار کے سیٹوں میں دوبارہ پیدا اور تعصب کو بڑھاتا ہے تو ، کہ مصنوعی ذہانت اپنی آواز کو انسانی آوازوں اور انسانی رجحانات میں شامل کرتی جا رہی ہے جو معاشرتی نظام میں پہلے سے موجود ہے جو لوگوں کے ایک گروہ کو دوسرے گروہوں کے حامی ہے۔
اس سے نمٹنے کا بہترین طریقہ یہ ہے کہ بنیادی ڈیٹا سیٹ کو قریب سے دیکھیں ، فیچر سلیکشن کا استعمال کریں ، متغیر ان پٹ شامل کریں اور خام اعداد و شمار کو خود سے جوڑیں ، اور جان بوجھ کر ڈیٹا کی انسانی کرافٹنگ کے ساتھ مشین لرننگ کی حقیقی طاقت کو بڑھایا جائے ، اس کے نتیجے میں زبردست تجزیاتی طاقت ملتی ہے ، بلکہ ان میں سے کچھ انسانی بصیرت بھی ہیں جو کمپیوٹر ابھی تک نقل نہیں کرسکتے ہیں۔
