การนำทางด้านจริยธรรมและอคติในการเรียนรู้ของเครื่อง: การรับรองความเป็นธรรมและความรับผิดชอบ

ในโลกปัจจุบัน แมชชีนเลิร์นนิงช่วยเราได้หลายประการ ตั้งแต่การแนะนำภาพยนตร์ไปจนถึงการวินิจฉัยโรค แต่พลังที่ยิ่งใหญ่มาพร้อมกับความรับผิดชอบที่ยิ่งใหญ่ สิ่งสำคัญคือต้องแน่ใจว่าระบบเหล่านี้ยุติธรรมและยุติธรรม ซึ่งหมายความว่าเราต้องคิดถึงหลักจริยธรรมและวิธีที่เราจะหลีกเลี่ยงอคติในโมเดลการเรียนรู้ของเครื่อง

จริยธรรมในการเรียนรู้ของเครื่องหมายถึงการทำสิ่งที่ถูกต้อง ช่วยให้มั่นใจได้ว่าเทคโนโลยีจะถูกใช้ในลักษณะที่ยุติธรรมและไม่เป็นอันตรายต่อผู้คน เมื่อเราพูดถึงอคติ เราหมายถึงการตัดสินใจที่ไม่ยุติธรรมที่เกิดจากเครื่องจักร อคติอาจคืบคลานเข้าสู่โมเดลจากข้อมูลที่เราใช้หรือวิธีสร้างโมเดล หากไม่ได้รับการแก้ไข อคติอาจนำไปสู่การปฏิบัติอย่างไม่ยุติธรรมต่อคนบางกลุ่ม ตัวอย่างเช่น อัลกอริธึมการจ้างงานที่มีอคติอาจให้ความสำคัญกับเพศหนึ่งมากกว่าอีกเพศหนึ่ง ซึ่งไม่ยุติธรรม

การทำความเข้าใจถึงความสำคัญของจริยธรรมในการเรียนรู้ของเครื่องเป็นสิ่งสำคัญ หากปราศจากการพิจารณาด้านจริยธรรม ระบบแมชชีนเลิร์นนิงก็สามารถตัดสินใจอย่างไม่ยุติธรรมได้ สิ่งนี้สามารถทำร้ายชีวิตผู้คนและความไว้วางใจในเทคโนโลยีได้ ด้วยการมุ่งเน้นไปที่หลักจริยธรรม เราสามารถสร้างระบบที่ยุติธรรมและเชื่อถือได้มากขึ้น

อคติในโมเดลการเรียนรู้ของเครื่องอาจมาจากแหล่งต่างๆ อาจมาจากข้อมูล อัลกอริธึม หรือแม้แต่บุคคลที่สร้างแบบจำลอง ตัวอย่างเช่น หากข้อมูลที่ใช้ในการฝึกแบบจำลองมีตัวอย่างของกลุ่มคนหนึ่งมากกว่าอีกกลุ่มหนึ่ง โมเดลอาจเรียนรู้ที่จะสนับสนุนกลุ่มนั้น

การทำความเข้าใจจริยธรรมในการเรียนรู้ของเครื่อง

การเรียนรู้ของเครื่องเป็นเครื่องมืออันทรงพลังที่ช่วยให้คอมพิวเตอร์เรียนรู้และตัดสินใจได้ แต่เช่นเดียวกับฮีโร่ มันต้องใช้พลังของมันให้เกิดประโยชน์ นี่คือที่มาของจริยธรรมในการเรียนรู้ของเครื่อง จริยธรรมหมายถึงการทำสิ่งที่ถูกต้องและยุติธรรม ในแมชชีนเลิร์นนิงหมายถึงการสร้างระบบที่ช่วยเหลือทุกคนและไม่ทำร้ายใคร

จริยธรรมในแมชชีนเลิร์นนิงเป็นเรื่องเกี่ยวกับการทำให้แน่ใจว่ามีการใช้เทคโนโลยีในลักษณะที่ยุติธรรมและยุติธรรม มันเกี่ยวข้องกับการปฏิบัติตามหลักจริยธรรมที่สำคัญ หลักการเหล่านี้เปรียบเสมือนกฎเกณฑ์ที่นำทางเราให้ตัดสินใจเลือกสิ่งที่ดี หลักการสำคัญประการหนึ่งคือความเป็นธรรม ซึ่งหมายความว่าโมเดลการเรียนรู้ของเครื่องควรปฏิบัติต่อทุกคนอย่างเท่าเทียมกัน ตัวอย่างเช่น ไม่ควรให้ผลลัพธ์ที่ดีกว่าแก่คนกลุ่มหนึ่งมากกว่าอีกกลุ่มหนึ่ง

หลักการสำคัญอีกประการหนึ่งคือความโปร่งใส ซึ่งหมายความว่าเราควรเข้าใจว่าระบบการเรียนรู้ของเครื่องตัดสินใจอย่างไร ถ้าเรารู้วิธีการทำงานเราก็สามารถไว้วางใจมันได้มากขึ้น ตัวอย่างเช่น หากแบบจำลองตัดสินใจว่าใครจะได้รับเงินกู้ เราควรรู้ว่าเหตุใดจึงอนุมัติหรือปฏิเสธใครบางคน

ความเป็นส่วนตัวถือเป็นหลักจริยธรรมที่สำคัญเช่นกัน หมายถึงการรักษาข้อมูลส่วนบุคคลของผู้อื่นให้ปลอดภัยและไม่นำไปใช้โดยไม่ได้รับอนุญาต สุดท้ายความรับผิดชอบเป็นสิ่งสำคัญ ซึ่งหมายความว่าหากมีสิ่งผิดปกติเกิดขึ้น ควรมีคนรับผิดชอบในการซ่อมแซม

การทำความเข้าใจหลักจริยธรรมในการเรียนรู้ของเครื่องช่วยให้เราสร้างระบบที่ดีขึ้น โดยการปฏิบัติตามหลักการเหล่านี้ เราสามารถสร้างแบบจำลองที่ยุติธรรม โปร่งใส และเคารพความเป็นส่วนตัวได้ ด้วยวิธีนี้ แมชชีนเลิร์นนิงสามารถเป็นพลังที่ดีให้กับโลกได้

อ่านเพิ่มเติม: 8 เหตุผลที่การเรียนรู้ของเครื่องมีความสำคัญสำหรับธุรกิจ

ประเภทของอคติในการเรียนรู้ของเครื่อง

อคติในการเรียนรู้ของเครื่องหมายถึงความไม่ยุติธรรมในการตัดสินใจของคอมพิวเตอร์ อคติประเภทต่างๆ อาจส่งผลต่อการตัดสินใจเหล่านี้ เรามาสำรวจแต่ละประเภทเพื่อทำความเข้าใจว่าจะเกิดขึ้นได้อย่างไร

อคติข้อมูล

ความลำเอียงของข้อมูลเกิดขึ้นเมื่อข้อมูลที่ใช้ในการสอนคอมพิวเตอร์ไม่ยุติธรรม สิ่งนี้สามารถเกิดขึ้นได้สองวิธีหลัก:

• อคติทางประวัติศาสตร์มาจากความไม่ยุติธรรมในอดีต หากข้อมูลที่ใช้ในการสอนคอมพิวเตอร์มาจากช่วงเวลาที่ผู้คนได้รับการปฏิบัติอย่างไม่ยุติธรรม คอมพิวเตอร์อาจเรียนรู้นิสัยที่ไม่เป็นธรรมเหล่านี้ ตัวอย่างเช่น หากอัลกอริธึมการจ้างงานเรียนรู้จากข้อมูลเก่าที่สนับสนุนผู้ชายมากกว่าผู้หญิง อัลกอริธึมก็อาจจะทำแบบเดิมต่อไป แม้ว่าจะไม่ยุติธรรมก็ตาม
• อคติในการสุ่มตัวอย่างเกิดขึ้นเมื่อข้อมูลที่เก็บรวบรวมไม่ใช่การผสมผสานที่ดีระหว่างบุคคลหรือสิ่งของประเภทต่างๆ ลองนึกภาพว่าถ้าคอมพิวเตอร์กำลังเรียนรู้เกี่ยวกับสัตว์ต่างๆ แต่เห็นแต่ภาพสุนัขและแมวเท่านั้น มันจะคิดว่าสัตว์ทุกตัวดูเหมือนสุนัข มันไม่ยุติธรรมกับแมวเลย!

อคติอัลกอริทึม

อคติอัลกอริทึมเกิดขึ้นเนื่องจากวิธีการทำงานของโปรแกรมคอมพิวเตอร์ มีสองวิธีหลักที่สามารถเกิดขึ้นได้:

• อคติแบบโมเดลคือการที่โปรแกรมคอมพิวเตอร์ตัดสินใจอย่างไม่ยุติธรรมเนื่องมาจากวิธีการสร้างขึ้น กรณีนี้อาจเกิดขึ้นได้หากโปรแกรมดูเฉพาะบางสิ่งและละเว้นสิ่งอื่นๆ ที่อาจมีความสำคัญ ตัวอย่างเช่น หากโปรแกรมอนุมัติสินเชื่อดูเฉพาะจำนวนเงินที่บุคคลมี ก็อาจเพิกเฉยต่อสิ่งสำคัญอื่นๆ เช่น ความเชื่อถือได้ในการจ่ายคืนเงินกู้
• ลูปคำติชมเกิดขึ้นเมื่อผลลัพธ์ของการตัดสินใจของคอมพิวเตอร์ทำให้เกิดความไม่ยุติธรรมมากขึ้นเมื่อเวลาผ่านไป ตัวอย่างเช่น หากเว็บไซต์ช็อปปิ้งแสดงรายการที่มีราคาแพงกว่าแก่ผู้ที่คลิกสินค้าฟุ่มเฟือย เว็บไซต์ก็อาจแสดงสินค้าที่มีราคาแพงกว่าต่อไป แม้ว่าพวกเขาต้องการสินค้าที่ถูกกว่าก็ตาม

อคติของมนุษย์

มนุษย์สามารถนำอคติมาสู่การเรียนรู้ของเครื่องได้เช่นกัน สิ่งนี้เกิดขึ้นในสองวิธีหลัก:

• อคติโดยนัยคือการที่ผู้คนไม่ได้ตระหนักว่าตนกำลังไม่ยุติธรรม มันเกิดขึ้นเพราะความคิดที่เรามีโดยที่เราไม่รู้ตัว ตัวอย่างเช่น ถ้ามีคนเชื่อว่าเด็กผู้ชายเก่งคณิตมากกว่า พวกเขาอาจจะไม่ให้โอกาสเด็กผู้หญิงได้แสดงให้เห็นว่าพวกเขาเก่งแค่ไหน
• อคติในการยืนยันคือการที่ผู้คนให้ความสนใจเฉพาะข้อมูลที่เห็นด้วยกับสิ่งที่พวกเขาคิดอยู่แล้วเท่านั้น ตัวอย่างเช่น หากมีคนเชื่อว่าคนบางประเภทไม่เก่งกีฬา พวกเขาอาจสังเกตเห็นเฉพาะเมื่อบุคคลนั้นทำได้ไม่ดี ไม่ใช่เมื่อพวกเขาทำได้ดี

การทำความเข้าใจอคติประเภทนี้ช่วยให้เราสร้างโปรแกรมคอมพิวเตอร์ได้ดีขึ้น เมื่อตระหนักถึงอคติและดำเนินการแก้ไข เราจะสามารถสร้างเทคโนโลยีที่ยุติธรรมและเป็นประโยชน์มากขึ้นสำหรับทุกคนได้

แหล่งที่มาของอคติในการเรียนรู้ของเครื่อง

อคติในการเรียนรู้ของเครื่องหมายถึงความไม่ยุติธรรมในการตัดสินใจของระบบ ความไม่ยุติธรรมนี้อาจมาจากแหล่งต่างๆ การทำความเข้าใจแหล่งข้อมูลเหล่านี้ช่วยให้เราสร้างระบบที่ดีและยุติธรรมยิ่งขึ้น

สาเหตุหลักประการหนึ่งของความลำเอียงคือการรวบรวมข้อมูลและคำอธิบายประกอบ เมื่อเรารวบรวมข้อมูลเพื่อฝึกโมเดลของเรา ข้อมูลอาจไม่ได้เป็นตัวแทนของทุกคนอย่างเท่าเทียมกัน ตัวอย่างเช่น ถ้าเรารวบรวมเฉพาะรูปภาพของสุนัขแต่ลืมแมว แบบจำลองของเราจะจดจำแมวได้ไม่ดีนัก ในทำนองเดียวกัน คำอธิบายประกอบหมายถึงการติดป้ายกำกับข้อมูล หากป้ายกำกับผิดหรือเอนเอียง โมเดลจะเรียนรู้จากข้อผิดพลาดเหล่านี้

แหล่งที่มาของอคติอีกประการหนึ่งคือการเลือกคุณลักษณะและวิศวกรรม คุณลักษณะคือชิ้นส่วนข้อมูลที่โมเดลใช้ในการตัดสินใจ การเลือกคุณสมบัติที่จะใช้เป็นสิ่งสำคัญมาก หากเราเลือกฟีเจอร์ที่ไม่ยุติธรรมหรือไม่เกี่ยวข้อง โมเดลของเราจะตัดสินใจอย่างลำเอียง ตัวอย่างเช่น การใช้รหัสไปรษณีย์ของบุคคลเพื่อคาดเดาทักษะในการทำงานอาจไม่ยุติธรรม

สุดท้ายนี้ การฝึกอบรมโมเดลและการประเมินผลอาจทำให้เกิดอคติได้ การฝึกโมเดลหมายถึงการสอนโมเดลให้ทำการตัดสินใจ หากเราใช้ข้อมูลที่มีอคติในระหว่างการฝึกอบรม โมเดลจะเรียนรู้อคติเหล่านี้ การประเมินคือการตรวจสอบว่าโมเดลทำงานได้ดีเพียงใด หากเราใช้วิธีเอนเอียงในการประเมิน เราจะไม่เห็นปัญหาที่แท้จริงในแบบจำลอง

อ่านเพิ่มเติม: การเลือกฐานข้อมูลสำหรับการเรียนรู้ของเครื่อง

ข้อพิจารณาทางจริยธรรมในการเรียนรู้ของเครื่อง

เมื่อเราใช้การเรียนรู้ของเครื่อง เราต้องคิดถึงการทำสิ่งที่ถูกต้อง สิ่งเหล่านี้เรียกว่าการพิจารณาทางจริยธรรม ช่วยเราตรวจสอบให้แน่ใจว่าเทคโนโลยีมีความยุติธรรมและปลอดภัยสำหรับทุกคน

ส่วนหนึ่งที่สำคัญคือความเป็นธรรมและความเสมอภาค ซึ่งหมายความว่าแมชชีนเลิร์นนิงควรปฏิบัติต่อทุกคนอย่างเท่าเทียมกัน ไม่ควรเข้าข้างกลุ่มหนึ่งมากกว่าอีกกลุ่มหนึ่ง ตัวอย่างเช่น หากแบบจำลองช่วยในการเลือกนักเรียนสำหรับโรงเรียน โมเดลนั้นควรจะยุติธรรมกับนักเรียนทุกคน ไม่ว่าพวกเขาจะมาจากที่ไหนก็ตาม

ส่วนสำคัญอีกประการหนึ่งคือความโปร่งใสและคำอธิบายได้ ซึ่งหมายความว่าเราควรเข้าใจว่าแมชชีนเลิร์นนิงตัดสินใจอย่างไร ถ้าเรารู้วิธีการทำงานเราก็สามารถไว้วางใจมันได้มากขึ้น ตัวอย่างเช่น หากโปรแกรมคอมพิวเตอร์ตัดสินใจว่าใครจะได้งาน เราควรรู้ว่าเหตุใดโปรแกรมจึงเลือกคนหนึ่งไม่ใช่อีกคน

ความเป็นส่วนตัวและความปลอดภัยก็มีความสำคัญเช่นกัน นี่หมายถึงการรักษาข้อมูลส่วนบุคคลของผู้อื่นให้ปลอดภัยและไม่แบ่งปันโดยไม่ได้รับอนุญาต ตัวอย่างเช่น แอปสุขภาพควรเก็บข้อมูลทางการแพทย์ของคุณไว้เป็นส่วนตัว และไม่แชร์กับผู้อื่นโดยไม่ถามคุณ

สุดท้ายก็มีความรับผิดชอบและความรับผิดชอบ ซึ่งหมายความว่าหากมีสิ่งผิดปกติเกิดขึ้น ควรมีคนแก้ไข หากระบบแมชชีนเลิร์นนิงเกิดข้อผิดพลาด เราจำเป็นต้องรู้ว่าใครจะแก้ไขและอย่างไร ตัวอย่างเช่น หากรถยนต์ที่ขับเคลื่อนด้วยตนเองประสบอุบัติเหตุ ผู้ผลิตควรรับผิดชอบในการค้นหาว่ามีอะไรผิดพลาดเกิดขึ้น

กลยุทธ์ในการลดอคติในการเรียนรู้ของเครื่อง

เมื่อเราใช้แมชชีนเลิร์นนิง เราต้องการให้แน่ใจว่ามันยุติธรรมและช่วยเหลือทุกคนอย่างเท่าเทียมกัน ต่อไปนี้คือวิธีที่เราสามารถแน่ใจได้ว่าโปรแกรมคอมพิวเตอร์ของเราไม่มีอคติที่ไม่เป็นธรรม

เทคนิคการประมวลผลข้อมูลล่วงหน้า

การประมวลผลข้อมูลล่วงหน้าหมายถึงการเตรียมข้อมูลให้พร้อมก่อนที่เราจะสอนคอมพิวเตอร์ มีสองวิธีที่สำคัญในการดำเนินการนี้:

• การเพิ่มข้อมูลเปรียบเสมือนการให้ตัวอย่างแก่คอมพิวเตอร์เพื่อเรียนรู้เพิ่มเติม หากเรามีรูปแมวไม่เพียงพอ เราก็สามารถเพิ่มเติมได้โดยการเปลี่ยนรูปแมวที่มีอยู่เล็กน้อย สิ่งนี้ช่วยให้คอมพิวเตอร์เรียนรู้เกี่ยวกับสิ่งต่าง ๆ ทุกประเภท ไม่ใช่แค่สิ่งที่เห็นในตอนแรก
• การสุ่มตัวอย่างและการถ่วงน้ำหนักใหม่หมายถึงการทำให้แน่ใจว่าข้อมูลที่เราใช้นั้นยุติธรรม หากกลุ่มบางกลุ่มมีตัวแทนไม่เพียงพอ เราก็สามารถรับข้อมูลเพิ่มเติมจากกลุ่มเหล่านั้นหรือให้ความสำคัญกับสิ่งที่พวกเขามีมากขึ้นได้ ด้วยวิธีนี้คอมพิวเตอร์จะเรียนรู้เกี่ยวกับทุกคนอย่างเท่าเทียมกัน

แนวทางอัลกอริทึม

วิธีที่เราเขียนโปรแกรมคอมพิวเตอร์สามารถสร้างความแตกต่างอย่างมากในด้านความยุติธรรม ต่อไปนี้เป็นสองวิธีในการดำเนินการนี้:

• ข้อจำกัดด้านความเป็นธรรมเป็นกฎที่เราเขียนลงในโปรแกรมเพื่อให้แน่ใจว่าจะปฏิบัติต่อทุกคนอย่างเท่าเทียมกัน ตัวอย่างเช่น เราสามารถบอกไม่ให้ใช้ข้อมูลที่อาจทำให้ไม่ยุติธรรม เช่น เชื้อชาติหรือสถานที่ที่พวกเขาอาศัยอยู่
• การดูหมิ่นฝ่ายตรงข้ามก็เหมือนกับการมีคนมาตรวจสอบการตัดสินใจของคอมพิวเตอร์เพื่อให้แน่ใจว่าการตัดสินใจนั้นยุติธรรม นี่อาจเป็นอีกโปรแกรมหนึ่งหรือบุคคลที่ดูผลลัพธ์เพื่อดูว่าพวกเขาปฏิบัติต่อทุกคนอย่างเท่าเทียมกันหรือไม่

การประเมินแบบจำลองและการตรวจสอบ

หลังจากที่เราสอนคอมพิวเตอร์แล้ว เราต้องตรวจสอบการทำงานของมันเพื่อให้แน่ใจว่ามันยุติธรรม ต่อไปนี้เป็นสองวิธีในการดำเนินการนี้:

• เครื่องมือตรวจจับอคติช่วยให้เราทราบว่ามีสิ่งที่ไม่ยุติธรรมในการตัดสินใจของคอมพิวเตอร์หรือไม่ พวกเขาดูผลลัพธ์และดูว่าพวกเขายุติธรรมกับทุกคนหรือไม่
• การตรวจสอบและการประเมินผลกระทบเป็นประจำหมายถึงการตรวจสอบการทำงานของคอมพิวเตอร์บ่อยครั้ง เราดูว่าสิ่งนี้ช่วยเหลือผู้คนได้อย่างไรและหากมีปัญหาใดๆ หากเราพบความไม่เป็นธรรมเราก็แก้ไขได้ก่อนที่จะเกิดปัญหาตามมาอีก

ด้วยการใช้กลยุทธ์เหล่านี้ เราสามารถตรวจสอบให้แน่ใจว่าโปรแกรมคอมพิวเตอร์ของเรายุติธรรมและช่วยเหลือทุกคนได้ มาทำงานร่วมกันเพื่อสร้างเทคโนโลยีที่ปฏิบัติต่อทุกคนอย่างเท่าเทียมกันและทำให้โลกเป็นสถานที่ที่ดีขึ้น

กรอบจริยธรรมและแนวปฏิบัติ

เมื่อสร้างระบบแมชชีนเลิร์นนิง เราจำเป็นต้องมีกฎเกณฑ์ที่ต้องปฏิบัติตาม กฎเหล่านี้เรียกว่ากรอบและแนวปฏิบัติด้านจริยธรรม สิ่งเหล่านี้ช่วยให้เรามั่นใจได้ว่าเทคโนโลยีของเรายุติธรรมและปลอดภัยสำหรับทุกคน

องค์กรหลายแห่งสร้างแนวปฏิบัติเหล่านี้ ตัวอย่างเช่น IEEE เป็นกลุ่มใหญ่ที่กำหนดมาตรฐานด้านเทคโนโลยี พวกเขาบอกเราถึงวิธีการตรวจสอบให้แน่ใจว่าเครื่องจักรของเรามีความยุติธรรมและไม่เป็นอันตรายต่อผู้คน สหภาพยุโรป (EU) ก็มีกฎเกณฑ์สำหรับ AI เช่นกัน หลักเกณฑ์ของพวกเขาช่วยปกป้องสิทธิของผู้คนและรับรองว่ามีการใช้ AI อย่างมีความรับผิดชอบ

แนวทางปฏิบัติที่ดีที่สุดในอุตสาหกรรมเป็นกฎสำคัญอีกชุดหนึ่ง นี่เป็นเคล็ดลับและวิธีการที่ผู้เชี่ยวชาญเห็นพ้องกันว่าเป็นวิธีที่ดีที่สุดในการทำสิ่งต่างๆ ช่วยเราสร้างระบบ AI ที่ดีขึ้นและปลอดภัยยิ่งขึ้น ตัวอย่างเช่น การทดสอบแบบจำลองของเราเพื่อตรวจสอบอคติอยู่เสมอถือเป็นแนวปฏิบัติที่ดีที่สุด

การออกแบบที่ครอบคลุมเป็นวิธีการหนึ่งเพื่อให้แน่ใจว่าเทคโนโลยีของเราใช้งานได้สำหรับทุกคน มันหมายถึงการคิดถึงคนทุกประเภท เช่น ผู้ที่มีความพิการเมื่อสร้างระบบของเรา ด้วยวิธีนี้ เราจึงมั่นใจได้ว่าจะไม่มีใครถูกทิ้ง ทีมพัฒนาที่หลากหลายก็มีความสำคัญเช่นกัน เมื่อผู้คนจากภูมิหลังที่แตกต่างกันมาทำงานร่วมกัน พวกเขาก็นำความคิดมากมายมาให้ สิ่งนี้ช่วยให้เราสร้างเทคโนโลยีที่ยุติธรรมและดีขึ้น

บทสรุป

ในการเดินทางของเราผ่านหลักจริยธรรมและความลำเอียงในการเรียนรู้ของเครื่อง เราได้เรียนรู้สิ่งสำคัญ สิ่งสำคัญคือต้องแน่ใจว่าเทคโนโลยีปฏิบัติต่อทุกคนอย่างยุติธรรม เราได้พูดคุยกันว่าอคติสามารถแอบเข้าไปในการตัดสินใจทางคอมพิวเตอร์ได้อย่างไร และจริยธรรมจะนำทางเราให้ทำสิ่งที่ถูกต้องได้อย่างไร

การใช้แมชชีนเลิร์นนิงในลักษณะที่ยุติธรรมและดีสำหรับทุกคนถือเป็นสิ่งสำคัญมาก โดยการปฏิบัติตามหลักจริยธรรม เราสามารถตรวจสอบให้แน่ใจว่าคอมพิวเตอร์ทำการตัดสินใจอย่างยุติธรรม เราต้องการให้แน่ใจว่าทุกคนได้รับโอกาสไม่ว่าพวกเขาจะเป็นใครก็ตาม

เราทุกคนควรทำงานร่วมกันเพื่อให้แน่ใจว่าเทคโนโลยีของเรามีความยุติธรรม หากเราเห็นสิ่งที่ไม่ยุติธรรมเราควรพูดและพยายามแก้ไข มาทำให้ทุกคนรู้ว่าหลักจริยธรรมมีความสำคัญเพียงใดในการเรียนรู้ของเครื่อง แบ่งปันความคิดของคุณด้านล่างและบอกเราว่าคุณคิดอย่างไร! แบ่งปันข้อมูลที่น่าทึ่งนี้กับเพื่อนของคุณเพื่อให้พวกเขาสามารถเรียนรู้เกี่ยวกับมันได้เช่นกัน

นอกจากนี้ การเรียนรู้เกี่ยวกับวิธีการใหม่ๆ เพื่อความเป็นธรรมกับเทคโนโลยีอยู่เสมอก็เป็นเรื่องดีเช่นกัน การอัปเดตอยู่เสมอทำให้เรามั่นใจได้ว่าคอมพิวเตอร์ของเราทำสิ่งที่ถูกต้องอยู่เสมอ มาร่วมกันสร้างเทคโนโลยีที่ยุติธรรมสำหรับทุกคนกันเถอะ!