AIの倫理

人工知能システムとツールのマトリックスは日々成長しており、AIが人間の知能を強化する可能性は信じられないほどです。

人工知能とMLを使用する企業にとって、ビジネス、ユーザージャーニー、コンテンツマーケティングライフサイクル全体にわたる使用に関する倫理基準を策定することが重要です。

AIの使用に伴う倫理的問題は、AI規制、倫理的AIの原則、責任あるAI哲学の組み合わせで対処できます。

倫理的なAIシステムは、説明可能で、包括的で、責任があり、透明で、安全です。

人工知能を搭載したコンピューターは社会に害を及ぼすよりも良いことをすると考えているアメリカ人の< rel="noopener noreferrer" href="https://www.monmouth.edu/polling-institute/reports/monmouthpoll_us_021523/" target="_blank">9%に過ぎないため、AIモデルの影響、精度、結果、バイアスに関する人間の理解を優先することが重要であるように思われます。

説明可能なAIは、ユーザーがMLアルゴリズムの結果に自信を持つのに役立つ、AIシステムに対する特定の哲学的アプローチです。AIモデルを使用する人々の信頼と信頼を築くことになると、説明可能なAIは、企業やチームが組織全体でAIの開発と統合に対する責任あるアプローチを作成するのにも役立ちます。

ツールがどのように機能し、どのように特定の結果を達成するかを徹底的に説明できることは、あらゆるテクノロジーのベストプラクティスであり、最先端のAIシステムでは特に重要です。テクノロジーの展開に説明可能性のレベルを組み込むことで、テクノロジーの運用が会社のポリシー、外部規制、およびブランドの価値に沿っていることを確認することもできます。

AIシステムにおける包括性とは、すべての人間を平等に考慮することを意味し、最初からこのアプローチを採用することで、特定のグループの意図しない排除を防ぐことができます。

AIシステムのバイアスを回避することは重要な追求ですが、最初に見えるほど簡単ではありません。1996年、Batya FriedmanとHelen Nissenbaumは、コンピューターシステムにおけるバイアスの3つのカテゴリを特定し、これらは30年近く前に導入されましたが、相変わらず関連するままです。

1. 既存の偏見は、社会やその社会における個人の実践や態度に根ざしています。もちろん、既存の偏見は意図的に導入することができますが、多くの場合、無意識のうちに含まれています。
    
   これと同じ概念は、AIシステムに関しては「データバイアス」と呼ばれることもあります。Alシステムはデータによって駆動され、それらのデータセットのバイアスはシステム自体の動作に反映されます。これらの偏見は、人種や性別に関してしばしば表面化します。
    
   AppleやIBMを含む複数の企業の音声認識ツールは、黒人の声を処理する際のエラー率が高いことが示されており、サンプル選択バイアスの完璧な例として、アルゴリズムが男性を支持したため、AmazonはAI採用の使用を中止したことで有名です。
    
   どちらの場合も、問題は、使用される履歴データに内在するバイアスにあります。Amazonは10年間の内部データを使用してAI採用ツールをトレーニングし、そのデータセットで成功した候補者のほとんどが男性であったため、アルゴリズムは女性からの履歴書にペナルティを課すことを学習しました
   
   
2. 技術的な偏りは、多くの場合、アルゴリズムの設計に使用されているソフトウェアとハードウェアの結果です(検索エンジンがランクの低い結果を画面外に押し出すなど)。また、デザイナーがほとんどの人間にとって非常に定性的な概念を定量化しようとする場合も同様です。「魅力」を定義するためのアルゴリズムは、そのような主観的な測定値に特定の値を置くことは必然的に問題を引き起こすため、その一例です
   
   
3. テクノロジーとそのテクノロジーのユーザーとの間のやり取りによって発生する創発的バイアス。近年の最も有名な例は、特定のプラットフォームの他のユーザーとの対話から学習することを目的としたチャットボットTayです。残念ながら、選択されたプラットフォームはTwitter(現在はXとして知られています)であり、チャットボットが対話していたユーザーは、ボットの技術的な弱点を悪用して、ボットに扇動的なコンテンツを提供し始めました。その日のうちに、チャットボットは不快なメッセージを送信していました。

バイアスの問題が明確に文書化されている場合、少なくともそれらを考慮し、多様な人間の監視を通じてバイアスの機会を排除することは、人工知能を使用するすべてのブランドの責任です。

AIは他のツールと同様にツールであるため、AIが合法的かつ正しく使用されていることを確認するための保護手段とチェックポイントが必要です。上記のバイアスに加えて、AIは誤った情報を広めるために使用されてきました。ディープフェイクの作成に使用されており、一部のモデルは著作権で保護された画像やテキストでトレーニングされています。

テクノロジーが著作権で保護されている単語の「大量の収集に依存している」と主張してOpenAIに対して集団訴訟が提起され、AIアートジェネレーターのStable Diffusionも同様に著作権侵害でゲッティイメージズから訴えられており、生成AI企業のStability AI、Midjourney、DeviantArtも同様の課題に直面しています。

内部の説明責任は、AI倫理の一部であるべきです。使用されているAIシステムがどのようにトレーニングされ、データがどこから来るかについて質問することで、企業はAIの使用に責任があり、ブランドの価値に沿っていることを確認することができます。

また、この内部プロセスの一部として多様な視点を持つことも重要です。視点の分野が多様であればあるほど、チームはバイアスや根本的な安全性の問題を特定する可能性が高くなり、AIツールによって提供される脆弱性や誤った情報を発見する可能性が高くなります。

多くの点で、事前警告は前もって武装しています。AIテクノロジーの最新動向を把握し、遺伝的調査、気候変動、科学的調査など、新しいツールを模索すると同時に、開発テクノロジーに伴う根本的な問題や懸念を認識することは、AIの使用に責任を持ち、ブランドがコンテンツライフサイクルと技術エコシステム全体で使用されるAI結果に対して説明責任を果たすことに抵抗がないことを保証するのに大いに役立ちます。

AIがどこでどのように使用されているかについて透明性を確保することは、ジレンマに対処し、顧客、訪問者、従業員との信頼を築くのに大いに役立ちます。コンテンツがどこから来て、それを作成するプロセスでAIがどのように使用されるかについて人々に正直であることは、倫理的なAIフレームワークの重要な部分です。

どの記事、ソーシャルメディアの投稿、ブログがChatGPTまたは同様のAIアプリケーションの助けを借りて書かれたかに注意し、AIテクノロジーを使用して画像が生成されたことを認識し、人間がチャットに参加してチャットボットから引き継ぐしきい値を明確にすることで、AIと人間の境界をより明確にし、信頼できるAIフレームワークを作成するのに役立ちます。

これは、ブランド内でのAIの使用を監督する委員会が役立つ別の場所です。 利害関係者が部門間の意思決定に使用する倫理的AI基準を確立し、通知方法を標準化して明確に定義された達成可能な基準を作成することは、将来の誤解や批判を回避するのに役立ちます。

ビッグデータを使用する他のシステムと同様に、AIテクノロジーを使用する際には、データ所有者のプライバシーとデータ自体のセキュリティが最も優先されるべきです。これは、AIが金融やヘルスケアなどのデリケートな分野に拡大するにつれて特に重要です。

データベースへの不正アクセスを防止し、欧州一般データ保護規則などの法律を遵守することは、AIシステムの使用にまで及び、それを網羅する重要なベストプラクティスです。AIの未来は、データプライバシーとデータ保護の倫理的課題と絡み合っており、これらの懸念に対処し、データプライバシーをサポートするイニシアチブを作成するブランド政策立案者は、将来的に競争上の優位性を獲得する可能性があります。

AIの倫理は多面的な分野であり、人権からの考察と、ロボット工学、コンピューターサイエンス、情報テクノロジーの社会的影響をまとめたものです。

AIに関する倫理的な問題は常にありますが、AIの開発に倫理的フレームワーク、自動化の使用に倫理的ガイドライン、AIの使用に倫理原則を最初から組み込んでいるブランドは、倫理的懸念に対処する信頼できる方法でこれらの新しいテクノロジーを組み込むことができます。