Kecerdasan buatan (AI) ialah bidang yang sedang berkembang pesat yang berpotensi untuk merevolusikan banyak aspek kehidupan kita. Walau bagaimanapun, walaupun banyak kelebihannya, AI juga mempunyai beberapa batasan yang mesti dipertimbangkan. Dalam siaran ini, kami akan meneroka beberapa batasan utama AI, termasuk isu yang berkaitan dengan ketepatan, kebolehtafsiran dan etika.
Dengan memahami batasan ini, kami dapat menghargai keupayaan dan batasan AI dengan lebih baik dan membuat keputusan yang lebih termaklum tentang cara menggunakannya pada masa hadapan.
Kecerdasan buatan telah mengubah manusia, membolehkan syarikat meningkatkan kecekapan, mengurangkan kos dan mengukuhkan perniagaan mereka dalam pelbagai cara. Namun, pada tahun 2023, ia bukan tanpa kelemahannya.
Tiga batasan utama AI ialah ia hanya boleh menjadi pintar atau berkesan seperti kualiti data yang diberikan kepadanya, bias algoritma dan sifat "kotak hitam"nya.
Ketidaktepatan dalam Analisis Data:
Program AI hanya boleh belajar daripada data yang kami sediakan kepada mereka. Walau bagaimanapun, jika data yang diberikan kepada program tidak lengkap atau tidak boleh dipercayai, keputusan anda mungkin tidak tepat atau berat sebelah. Akibatnya, AI hanya boleh menjadi pintar atau berkesan seperti data yang diberinya.
Amazon, sebagai contoh, mula menggunakan program AI untuk menyaring pemohon kerja baharu pada 2014. Ia dilatih menggunakan resume sejak sedekad lalu, yang sebahagian besarnya adalah lelaki. Sistem ini salah mengandaikan bahawa pemohon lelaki lebih disukai untuk pekerja baharu dan mula menapis pemohon wanita.
Bias Algoritma:
Algoritma ialah satu set arahan yang diikuti oleh mesin untuk menyelesaikan tugas tertentu, yang mungkin atau mungkin tidak ditulis oleh pengaturcara manusia. Walau bagaimanapun, jika algoritma itu cacat atau berat sebelah, ia hanya akan menghasilkan keputusan yang tidak adil dan kita tidak boleh bergantung padanya. Bias timbul terutamanya kerana pengaturcara telah mereka bentuk algoritma sebahagiannya untuk memihak kepada kriteria tertentu yang diingini atau layan diri. Bias algoritma adalah perkara biasa pada platform besar seperti tapak media sosial dan enjin carian.
Pada tahun 2017, sebagai contoh, algoritma Facebook mencipta algoritma untuk mengalih keluar ucapan benci. Walau bagaimanapun, ia kemudiannya mendapati bahawa algoritma menyekat ucapan benci yang ditujukan kepada lelaki kulit putih sambil membenarkan ucapan benci ditujukan kepada kanak-kanak kulit hitam. Algoritma membenarkan ucapan kebencian ini kerana ia direka untuk menapis hanya kategori yang luas seperti "kulit putih," "kulit hitam," "Muslim," "pengganas" dan "Nazi", dan bukannya subset kategori tertentu.
Sifat "kotak hitam" AI:
AI terkenal dengan keupayaannya untuk belajar daripada sejumlah besar data, mengenal pasti corak asas dan membuat keputusan berasaskan data. Walau bagaimanapun, sementara sistem secara konsisten menghasilkan keputusan yang tepat, satu kelemahan utama ialah sistem AI tidak dapat menyatakan atau menerangkan bagaimana ia sampai kepada kesimpulan itu. Ini menimbulkan persoalan: bagaimana kita boleh mempercayai sistem dalam bidang yang sangat sensitif seperti keselamatan negara, tadbir urus atau usaha niaga yang mempunyai kepentingan yang tinggi?
Had AI Lain pada 2023 (OpenAI dan ChatGPT)
Beberapa batasan utama AI termasuk:
- Ketepatan terhad: Model AI boleh terdedah kepada ralat, terutamanya apabila berurusan dengan data yang kompleks atau samar-samar.
- Kekurangan kebolehtafsiran: Banyak model AI dianggap sebagai "kotak hitam", bermakna sukar untuk memahami cara mereka mencapai keputusan atau ramalan tertentu.
- Kebimbangan etika: AI boleh mengekalkan dan juga menguatkan bias dalam data yang dilatih. Ia juga boleh menimbulkan isu privasi, autonomi dan perpindahan pekerjaan.
- Skop terhad: AI tidak dapat memahami nuansa emosi, penaakulan dan kesedaran manusia.
- Kebergantungan data: AI sangat bergantung pada data berkualiti tinggi untuk belajar dan membuat ramalan, yang mungkin sukar dan mahal untuk diperoleh.
- Terlalu pasang: Model AI kadangkala boleh "menghafal" data latihan dan bukannya mempelajari ciri yang boleh digeneralisasikan, yang menjadikannya sukar untuk digeneralisasikan kepada data baru yang tidak kelihatan.
- Serangan musuh: Model AI boleh terdedah kepada pelakon berniat jahat yang cuba memanipulasi data input untuk menipu model supaya membuat keputusan yang salah.
- Had perkakasan: Model AI memerlukan sumber pengiraan yang ketara, yang boleh melarang kos bagi sesetengah organisasi.
- Peraturan: Persekitaran undang-undang dan kawal selia untuk AI masih berkembang, yang boleh menjadikannya mencabar bagi organisasi untuk menavigasi keperluan dan memastikan pematuhan.
Line Bawah
Oleh kerana kepentingan tinggi yang terlibat dalam kekangan ini, kerajaan, inovator, pemimpin perniagaan dan pengawal selia harus menggunakan teknologi AI secara beretika.