এমন একটি বিশ্ব কল্পনা করুন যেখানে কৃত্রিমভাবে বুদ্ধিমান অ্যালগরিদম এমন সিদ্ধান্ত নেয় যা আপনার দৈনন্দিন জীবনকে প্রভাবিত করে। এখন দেখুন, তারা কুসংস্কারযুক্ত।
এই পৃথিবীতে আমরা ইতিমধ্যে বাস করছি, তথ্য বিজ্ঞানী, হার্ভার্ড পিএইচডি এবং লেখক ক্যাথি ও'নিল বলেছেন। (ড। ও'নিলের সাথে আমাদের আলোচনার একটি অংশ এখানে পড়ুন)। বড় ডেটার যুগে কুসংস্কার সম্পর্কে আমরা কী করতে পারি তা জানতে আমরা জাতীয় বুক অ্যাওয়ার্ডের মনোনীত প্রার্থীর সাথে বসেছিলাম। সিটি: এআই কি কুসংস্কারহীন?
সিও: প্রতিটি অ্যালগরিদম যা সুস্পষ্টভাবে ফর্সা করা হয়নি তা অবশ্যই পূর্বসংশ্লিষ্ট বলে ধরে নেওয়া উচিত। কারণ মানুষ হিসাবে, আমরা কুসংস্কারযুক্ত। যদি আমরা তা স্বীকার করি এবং আমরা আমাদের মান এবং আমাদের ডেটা দিয়ে এই অ্যালগোরিদমগুলি তৈরি করছি, তবে আমাদের জিনিসগুলি ন্যায্য করার জন্য যাদুতে কিছুই ঘটেনি তা ধরে নেওয়া উচিত নয়। সেখানে কোন যাদু নেই।
সিটি: অ্যালগরিদমগুলি তাদের ডেটা কোথায় পাবে?
সিও: এটি অ্যালগরিদমের উপর নির্ভর করে। কখনও কখনও সোশ্যাল মিডিয়া, রাজনৈতিক বাজার লক্ষ্যমাত্রা বা বিজ্ঞাপনের জন্য বা লাভ-কলেজ এবং শিকারী ndingণ দেওয়ার মতো বিষয়গুলির জন্য - তবে প্রচুর ডেটা সোশ্যাল মিডিয়ায় বা এমনকি অনলাইনে সংগ্রহ করা হচ্ছে না।
ডেটা সংগ্রহটি ক্রমবর্ধমান বাস্তব জীবনে বাঁধা, যেমন চাকরি পাওয়া, আপনার চাকরিতে কাজ করা, কলেজে যাওয়া বা কারাগারে যাওয়ার মতো। এই জিনিসগুলি এমন জিনিস নয় যা আমরা গোপনীয়তা আইনগুলির সাথে ঝুঁকতে পারি। তারা শক্তির ইস্যু, যেখানে অ্যালগোরিদম দ্বারা চিহ্নিত মানুষগুলির কোনও ক্ষমতা নেই, এবং যে সমস্ত লোকেরা তথ্য সংগ্রহ এবং বিল্ডিং এবং অ্যালগরিদম মোতায়েন করছে তাদের সমস্ত ক্ষমতা রয়েছে। আপনি যদি কোনও অপরাধী আসামী হন তবে আপনার গোপনীয়তার কোনও অধিকার নেই, আপনার চাকরিতে কোনও গোপনীয়তার অধিকার নেই এবং আপনি যদি চাকরীর জন্য আবেদন করছেন তবে গোপনীয়তার অধিকারের পথে আপনার খুব বেশি কিছু নেই কারণ যদি আপনি ভবিষ্যতের নিয়োগকর্তা আপনাকে জিজ্ঞাসা করা প্রশ্নগুলির উত্তর না দেয় তবে আপনি সম্ভবত চাকরিটি পাবেন না।
আলগোরিদিম এবং ক্ষতির [তারা যে কারণ হতে পারে] আসে সে সম্পর্কে আমাদের গোপনীয়তা সম্পর্কে আরও কম চিন্তা করা উচিত।
সিটি: এটি আরও উন্নত করতে আমরা কী করতে পারি?
সিও: আমরা স্বীকার করতে পারি যে এই অ্যালগোরিদমগুলি সহজাতভাবে নিখুঁত নয় এবং তাদের ত্রুটির জন্য তাদের পরীক্ষা করে। আমাদের চলমান নিরীক্ষণ এবং মনিটরকারীদের থাকা উচিত - বিশেষত গুরুত্বপূর্ণ কাজের জন্য নিয়োগ দেওয়া, ফৌজদারি সাজা দেওয়া বা লোকদের তাদের চাকরিতে মূল্যায়ন করা - এই বিষয়টি নিশ্চিত করার জন্য যে অ্যালগোরিদমগুলি আমরা তাদের যেভাবে চাই, সেটি কোনওরকম বৈষম্যমূলক বা অন্যায়ভাবে নয়।
আইলসা জনসন / © সংস্কৃতি ট্রিপ
সিটি: ডেটা-চালিত ভবিষ্যতের জন্য সবচেয়ে ভাল এবং সবচেয়ে খারাপ পরিস্থিতিগুলি কী?
সিও: আমাদের কাছে এখন সবচেয়ে খারাপ পরিস্থিতি হচ্ছে - আমরা সকলেই অন্ধভাবেই অ্যালগরিদমগুলি নিখুঁত হওয়ার প্রত্যাশা করি, যদিও এখনই আমাদের আরও ভাল করে জানা উচিত। এবং আমরা অতীত অবিচার এবং অন্যায়কে প্রচার করি। এবং আমরা এই অ্যালগরিদমের ত্রুটিগুলি উপেক্ষা করে চালিয়ে যাচ্ছি।
সর্বোত্তম ক্ষেত্রে পরিস্থিতি হ'ল আমরা স্বীকার করি যে এই অ্যালগোরিদমগুলি মানুষের থেকে অন্তর্নিহিত ভাল নয়। আমরা সিদ্ধান্ত নিই মানুষ হিসাবে আমরা কী চাই, আমরা কী চেষ্টা করছি। আমরা সমাজটি দেখতে দেখতে কী চাই এবং আমরা সেই মানগুলি শিখি। যদি আমরা এটি সফলভাবে করি তবে এই অ্যালগরিদমগুলি মানুষের চেয়ে ভাল হতে পারে।
সিটি: প্রতিদিনের মানুষ কী ভূমিকা নিতে পারে?
সিও: কোনও ব্যক্তি যে ভূমিকা নিতে পারে তার মধ্যে সবচেয়ে গুরুত্বপূর্ণ ভূমিকা হ'ল কোনও অ্যালগরিদমকে স্পষ্টভাবে বিশ্বাস না করা। বিপুল পরিমাণ সংশয় থাকা। যদি আপনার একটি অ্যালগরিদমের মূল্যায়ন করা হয় তবে জিজ্ঞাসা করুন 'এটি আমি কীভাবে জানব যে এটি ন্যায্য, আমি কীভাবে এটি সহায়ক, আমি কীভাবে এটি সঠিক জানতে পারি? ত্রুটির হার কী? এই অ্যালগরিদম কার জন্য ব্যর্থ হয়? এটা কি নারী বা সংখ্যালঘুদের ব্যর্থ করে? ' এই জাতীয় প্রশ্ন জিজ্ঞাসা করুন।
সংশয়বাদ বাদে দ্বিতীয় জিনিসটি হ'ল আপনি যদি ভাবেন যে কোনও অ্যালগরিদম আপনার বা অন্য লোকের সাথে অন্যায় হচ্ছে those সেই অন্যান্য লোকদের সাথে সংগঠিত করা। একটি সাম্প্রতিক উদাহরণ শিক্ষক। মান সংযোজন শিক্ষক সম্পর্কে পরিসংখ্যানের মডেলগুলি ভয়ানক, প্রায় এলোমেলো সংখ্যা জেনারেটর। কিন্তু তারা পুরো মার্কিন যুক্তরাষ্ট্রে, কী শিক্ষকদের মেয়াদ পাওয়া উচিত এবং কোন শিক্ষকদের বরখাস্ত করা উচিত তা সিদ্ধান্ত নিতে তাদের ব্যবহার করা হচ্ছিল।
আমার পরামর্শটি তাদের ইউনিয়নটি পিছনে ঠেলে দেওয়ার জন্য। এবং এটি কিছু জায়গায় ঘটেছিল। স্কোরিং সিস্টেমের গাণিতিক প্রকৃতির কারণে এটি কতটা প্রতিরোধের ছিল তা অবাক করে দেয়।
সিটি: আপনি কীভাবে 'বিগ ডেটা'তে প্রবেশ করলেন?
সিও: আমি ওয়াল স্ট্রিটে কাজ করেছি এবং ভিতরে থেকে আর্থিক সংকট দেখেছি। জনগণের সুবিধা নেওয়ার জন্য বা লোককে বোকা বানানোর জন্য গণিতটি যেভাবে ব্যবহৃত হয়েছিল তা দেখে আমি বিরক্ত হয়েছিলাম। আমি গাণিতিক মিথ্যা থেকে যে ধরণের ক্ষয়ক্ষতি আসতে পারে তা দেখেছি, যাকে আমি 'গণিতের অস্ত্রায়ণ' বলি।
আমি এ থেকে দূরে যাওয়ার সিদ্ধান্ত নিয়েছি, তাই আমি ওয়াল স্ট্রিট দখল করব এবং ডেটা বিজ্ঞানী হিসাবে কাজ শুরু করি। আমি আস্তে আস্তে বুঝতে পেরেছিলাম যে ওয়াল স্ট্রিটের বাইরেও বিভ্রান্তিকর ডেটা অ্যালগরিদমগুলির চারপাশে আমরা ত্রুটিযুক্ত এবং বিভ্রান্তিমূলক হাইপ দেখতে পাচ্ছি এবং এটি অনেক ক্ষতির কারণ হতে পারে। পার্থক্যটি হ'ল সারা বিশ্ব জুড়ে লোকেরা আর্থিক সঙ্কট লক্ষ্য করেছে, আমি মনে করি না যে লোকেরা এই বড় ডেটা অ্যালগরিদমগুলির ব্যর্থতাগুলি লক্ষ্য করবে, কারণ তারা সাধারণত পৃথক স্তরে ঘটে।
ড। ও'নিলের সাথে আমাদের আলোচনার একটি অংশ এখানে পড়ুন। ডাঃ ক্যাথি ও'নিলের বই, মথ ধ্বংসের অস্ত্র: কীভাবে বড় ডেটা বৈষম্য বৃদ্ধি করে এবং গণতন্ত্রকে হুমকি দেয়, তা এখন পাওয়া যায়।
