Tekoäly on valloittanut kahvipöytäkeskustelut. Keskusteluista voimme kiittää ChatGPT:n kaltaisia tekoälyjä, jotka loistavat kyvyllään laatia tekstejä – niin pätevästi kirjoitettuja artikkeleita kuin toimivaa koodiakin, kirjoittaa Lenovolla globaalin monimuotoisuustoimiston johtajana työskentelevä Ada Lopez.
Hehkutuksessa voi unohtua, että tekoäly tekee vääriäkin päätöksiä. Varsinkin sukupuolittamiseen liittyvät ennakkoluulot, biasit, ovat yleisiä. Ne voivat johtaa monenlaisiin seuraamuksiin syrjinnästä ja avoimuuden vähenemisestä aina turvallisuus- ja tietosuojaongelmiin. Tekoäly on vain niin hyvä kuin se data, jota siihen on syötetty ja josta se oppii. Suuri osa tekoälyjärjestelmien datasta on puolueellista, miesten hyväksi luettavaa, samoin kuin kieli, jota käytetään kaikkialla aina verkkouutisartikkeleista kirjoihin.
Tutkimusten mukaan tekoälyn kouluttaminen esimerkiksi Google Newsin datan perusteella johtaa siihen, että miehet yhdistetään ’kapteenin’ ja "rahoittajan’ kaltaisiin rooleihin, kun taas naiset yhdistetään rooleihin kuten ’vastaanottovirkailija’ ja ’kotiäiti’.
Tekoäly onkin oikeastaan miesten luomus, sillä World Economic Forumin tutkimus kertoo, että vain 22 prosenttia tekoälyn ja datatieteen ammattilaisista on naisia. Se johtaa tasa-arvon kannalta merkittäviin ongelmiin, kuten siihen, että luottokorttiyhtiöt myöntävät parempia luottoja miehille tai että sairauksia seulovat työkalut tekevät virheellisiä päätöksiä.
Tekoäly todellisuuden peilinä
Lenovon Data for Humanity -raportin mukaan 88 prosenttia yritysjohtajista kokee, että tekoälyteknologia auttaa heidän organisaatiotaan hyödyntämään datan lähes kaikkea potentiaalia seuraavien viiden vuoden aikana.
Miten yritysjohtajat suhtautuvat tekoälyn ennakkoluuloihin ja sukupuolittuneisuuteen? Ensimmäistä kertaa historiassa käytössämme on oman ymmärryksemme pohjalta luotua teknologiaa. Tekoälyä voi siis verrata peiliin, joten emme saa järkyttyä näkemästämme. Päinvastoin, meidän on hyödynnettävä tekoälyä muuttaaksemme toimintatapojamme.
Kun dataa kerätään, käsitellään tai hyödynnetään, ennakkoluulot voivat nousta esiin odottamattomissa paikoissa. Eteen voi tulla tilanteita, joissa on lähinnä yhteen sukupuoleen perustuvaa dataa tai kysymykset ovat miesten suunnittelemia. Meidän pitää suhtautua kriittisesti datan alkuperään ja ennakkoluulojen syntymiseen.
Myös teknisillä ratkaisuilla on tärkeä rooli. Data-asiantuntijat eivät pysty käymään läpi jokaista tekoälyn kehittämisessä käytettyä datan tekstiriviä. Ongelman voi ratkaista joko siten, että yhä useampi ihminen testaa mallia ja raportoi ongelmat, tai siten, että kehitetään yhä pidemmälle vietyjä välineitä, joilla tunnistetaan vääristymät jo tekoälyyn syötetyssä datassa tai itse mallissa. Esimerkiksi ChatGPT:ssä tutkijat käyttävät mentaalisen oppimisen mallia kommentoimaan mahdollisesti ongelmallista dataa. Tälle alueelle kaikkien tekoälyn parissa työskentelevien tulisi keskittyä.
Ennakkoluulot taklataan ymmärryksellä
Ongelman ytimeen pääsemiseksi meidän pitää ymmärtää ns. iso kuva. Esimerkiksi tänään käyttämämme työkalut aiheuttavat harhaa tulevaisuuden malleihin. Saatamme ajatella, että olemme puolueettomia jollakin alalla, mutta 50 vuoden kuluttua uudet työkalut, kokemukset tai todisteet voivat muuttaa asioiden tarkastelutavan täysin. Näin kävi Rettin oireyhtymän diagnosoinnissa, jossa dataa kerättiin pääasiassa tytöistä. Datan puuttuminen pojista aiheutti vuosia myöhemmin harhan mallintamisessa ja johti epätarkkoihin diagnooseihin ja hoitosuosituksiin pojille.
Vastuullista tekoälyä on siis kehitettävä huolellisesti. Jokaisen organisaation pitää tunnistaa ja määritellä siihen liittyvät riskit. Tekoälyn vastuullinen käyttö vie aikaa ja vaatii jatkuvaa kehitystyötä. Pitkällä aikavälillä on puututtava perusongelmaan: naisia työskentelee it- ja teknologia-alalla edelleen vähän. Naisten määrä ja heidän näkökulmansa ovat keskeisessä roolissa, kun ratkotaan tekoälyn ennakkoluuloisuutta.
Ennakkoluuloja vastaan taistelemalla voimme luoda osallistavan tulevaisuuden, jossa hyödynnämme tekoälyä täysipainoisesti ja tasa-arvoisesti.
Ada Lopez
Globaalin monimuotoisuustoimiston johtaja
Lenovo
Autoteollisuuden millimetriaaltotutkaa käytetään ihmisten ja kohteiden havaitsemiseen kehittyneissä kuljettajaa avustavissa järjestelmissä (ADAS) ja autonomisen ajamisen (AD) sovelluksissa. Ajoneuvon ulkopuolisen ympäristön valvontaan käytetään tyypillisesti tutkaa, kameroita ja LiDARia. ADAS auttaa kuljettajaa monissa ajotilanteissa, kuten törmäysvaroituksissa, automaattisessa jarrutuksessa ja pysäköintiavustuksessa. Autonomisessa ajamisessa sensoridataa käytetään ajoneuvon ohjaamiseen automaattisesti.
