Máltai Tanulmányok | Előítélet, diszkrimináció és gazdasági egyenlőtlenségek – A mesterséges intelligencia etikai kihívásai

Megosztás

Szöveg beállítások

Előítéletesség, munkahelyek megszűnése, gazdasági egyenlőtlenségek növekedése: a mesterséges intelligencia „betanítása”, majd használata nyomán tapasztalható torzítások ellensúlyozására univerzális etikai normákat kellene érvényesítenie társadalmunknak – kongatják egyre többen a vészharangot.

Absztrakt

Az MI-technológiák gyors fejlődése és elterjedése számos etikai kérdést vet fel, amelyek alapos vizsgálatot és szabályozást igényelnek. Jelen tanulmány célja az MI alkalmazásával kapcsolatos legfontosabb társadalmi és etikai aggályok feltérképezése és ismertetése. A tanulmány az MI-technológiák etikai dilemmáit két fő területre osztja: előítéletesség és diszkrimináció, valamint munkavállalók áthelyezése és gazdasági egyenlőtlenségek. Az MI-rendszerek gyakran továbbviszik a tanító adatokban meglévő torzításokat, ami igazságtalansághoz vezethet a társadalom különböző csoportjai között. Emellett az MI automatizálása jelentős munkahelyvesztést és jövedelmi egyenlőtlenségeket eredményez, mivel a technológiai előnyöket főként a nagyvállalatok és a magasan képzett szakemberek élvezik. A tanulmány számos példát mutat be az MI alkalmazásának etikai kihívásaira, és javaslatot tesz a szabályozási keretek és etikai normák kidolgozására.

Kulcsszavak: mesterséges intelligencia, etikai dilemmák, előítélet, diszkrimináció, gazdasági egyenlőtlenségek

DOI: 10.56699/MT.2024.4.5

Cikk felolvasása00:00

A mesterséges intelligencia (a továbbiakban: MI) fejlesztésével párhuzamosan egyre szélesebb körűvé válnak az alkalmazási területei, valamint az ezzel a fejlett technológiai eszközzel kapcsolatos etikai kérdések is. Az MI különböző etikai irányelvek kidolgozásához vezetett a pozitív alkalmazások előmozdítása és a negatív következmények minimalizálása érdekében. Számos új MI-technológiát építettek be a világ mindennapi működésébe, amilyenek például az egészségügyben használt MI-alapú eszközök, az MI által támogatott autók vagy az arcfelismerő rendszerek az üzleti életben és a szolgáltatóiparban. Kétségtelen, hogy az elmúlt évek egyik legszembetűnőbb vívmánya a ChatGPT nevű alkalmazás volt.

A sikeres alkalmazások ellenére különböző etikai kérdések merültek fel, amelyek átfogó felmérést és elemzést igényelnek. Az MI etikájának kérdése még mindig jelentősen alulkutatott, ezért szükség van a benne rejlő etikai potenciál feltárására, hogy a fejlesztők és a társadalom egésze számára megfontolandó etikai koncepciót dolgozzunk ki. Jelen tanulmány az MI-vel kapcsolatos etikai kérdések meghatározása érdekében széles körű szakirodalmat tekint át. Célja az MI alkalmazásával kapcsolatos legfontosabb társadalmi és etikai aggályok feltérképezése és ismertetése.

A tanulmány így épül fel: először az alapvető etikai dilemmák beazonosítására kerül sor, majd az előítéletesség és diszkrimináció kérdéskörének mélyebb elemzését olvashatjuk. Ezt követően az írás kitér a munkavállalók áthelyezésére és a gazdasági egyenlőtlenségre mint etikai dilemmákra. Az értekezés konklúzióval zárul.

Az előítéletesség, diszkrimináció, a munkavállalók áthelyezése és a gazdasági egyenlőtlenségek olyan etikai dilemmákat vetnek fel,

Csatlakozzon ingyen és olvasson tovább!

Regisztráljon honlapunkon hogy ingyenesen hozzáférjen a Máltai Tanulmányok összes rovatának archívumához teljes terjedelemben.

Csatlakozom Regisztráció részletei

Már regisztrált tag vagyok, bejelentkezem.

Felhasznált irodalom

Felhasznált irodalom

Abd Aziz, Nurhasyimah – Adnan, Nur A. A. – Abd Wahab, Dzuraidah – Azman, Abdul Hadi (2021): Component design optimization based on artificial intelligence in support of additive manufacturing repair and restoration: Current status and future outlook for remanufacturing, Journal of Cleaner Production, 296, 126401. DOI: https://doi.org/10.1016/j.jclepro.2021.126401
Acemoglu, Daron – Restrepo, Pascual (2018): Artificial Intelligence, Automation, and Work, NBER Working Paper, 24196. DOI: https://doi.org/10.3386/w24196 Angwin, Julia – Larson, Jeff – Mattu, Surya – Kirchner, Lauren (2016): Machine bias, ProPublica, https://www.propublica.org/article/machine-bias-risk- assessments-in-criminal-sentencing (letöltve: 2024. 04. 25.).
Berk, Richard A. (2021): Artificial intelligence, predictive policing, and risk assessment for law enforcement, Annual Review of Criminology, 4, 209–237. DOI: https://doi.org/10.1146/annurev-criminol-051520-012342
Brookings (2020): Risks and remedies for artificial intelligence in health care, https://www.brookings.edu/research/risks-and-remedies-for-artificial- intelligence-in-health-care/ (letöltve: 2024. 07. 03.).
Byrne, Matthew D. (2021): Reducing bias in healthcare artificial intelligence, Journal of PeriAnesthesia Nursing, 36 (3), 313–316. DOI: https://doi.org/10.1016/j.jopan.2021.03.009
Chen, Donghua – Esperança, José Paulo – Wang, Shaofeng (2022): The impact of artificial intelligence on firm performance: An application of the resource- based view to e-commerce firms, Frontiers in Psychology, 13. DOI: https://doi. org/10.3389/fpsyg.2022.884830
Chen, Zhisheng (2023): Ethics and discrimination in artificial intelligence-enabled recruitment practices, Humanities and Social Sciences Communications, 10 (1), 1–12. DOI: https://doi.org/10.1057/s41599-023-02079-x
Coeckelbergh, Mark (2020): AI Ethics, Cambridge, MIT Press. DOI: https://doi. org/10.7551/mitpress/12549.001.0001
Dastin, Jeffrey (2018): Amazon scraps secret AI recruiting tool that showed bias against women, Reuters, https://www.reuters.com/article/us-amazon-com-jobs- automation-insight-idUSKCN1MK08G (letöltve: 2024. 04. 25.).
Dennehy, Denis – Griva, Anastasia – Pouloudi, Nancy – Dwivedi, Yogesh K. – Mäntymäki, Matti – Pappas, Ilias O. (2023): Artificial intelligence capability and firm performance: A sustainable development perspective by the mediating role of data-driven culture, Information Systems Frontiers. DOI: https://doi.org/10.1007/ s10796-022-10365-3
Dressel, Julia – Farid, Hany (2018): The accuracy, fairness, and limits of predicting recidivism, Science Advances, 4 (1), eaao5580. DOI: https://doi.org/10.1126/ sciadv.aao5580
Elmore, Matthew (2023): The hidden costs of ChatGPT: A call for greater transparency, The American Journal of Bioethics, 23 (10), 47–49. DOI: https://doi.org/10.1080/15265161.2023.2250335
EUR-Lex (2021): Javaslat az Európai Parlament és a Tanács Rendelete a Mesterséges Intelligenciára vonatkozó harmonizált szabályok (a mesterséges intelligenciáról szóló jogszabály) megállapításáról és egyes uniós jogalkotási aktusok módosításáról, COM/2021/206 final, https://eur-lex.europa.eu/legal-content/HU/ TXT/?uri=CELEX%3A52021PC0206 (letöltve: 2024. 05. 10.).
Ferrer, Xavier – Van Nuenen, Tom – Such, Jose M. – Coté, Mark – Criado, Natalia (2021): Bias and discrimination in AI: a cross-disciplinary perspective, IEEE Technology and Society Magazine, 40 (2), 72–80. DOI: https://doi. org/10.1109/MTS.2021.3056293
Hagendorff, Thilo (2020): The ethics of AI ethics: An evaluation of guidelines, Minds and Machines, 30 (1), 99–120. DOI: https://doi.org/10.1007/s11023-020-09517-8
Hale, Craig (2023): ChatGPT is having a really bad impact on the environment, https://www.techradar.com/pro/chatgpt-is-having-a-really-bad-impact-on-the- environment (letöltve: 2024. 04. 28.).
Harvard Kennedy School (2024): Assessing Risks and Best Practices of AI Large Language Models in Policymaking, https://www.hks.harvard.edu/events/ assessing-risks-and-best-practices-ai-large-language-models-policymaking (letöltve: 2024. 07. 03.).
Heilinger, Jan-Christoph (2022): The ethics of AI ethics. A constructive critique, Philosophy & Technology, 35 (3), 61. DOI: https://doi.org/10.1007/s13347-022-00557-9
IBM (2023): 5725-W51 IBM Watson for Oncology, https://www.ibm.com/docs/en/ announcements/watson-oncology?region=CAN (letöltve: 2024. 05. 01.).
Lam, Jonathan Walter (2016): Robo-Advisors, A Portfolio Management Perspective, New Haven, Yale College, https://economics.yale.edu/sites/default/files/2023-01/ Jonathan_Lam_Senior%20Essay%20Revised.pdf (letöltve: 2024. 04. 15.).
Li, Fan – Ruijs, Nick – Lu, Yuan (2022): Ethics & AI: A systematic review on ethical concerns and related strategies for designing with AI in healthcare, AI, 4 (1), 28–53. DOI: https://doi.org/10.3390/ai4010003
Loke, Seng W. (2019): Cooperative automated vehicles: A review of opportunities and challenges in socially intelligent vehicles beyond networking, IEEE Transactions on Intelligent Vehicles, 4 (4), 509–518. DOI: https://doi.org/10.1109/ TIV.2019.2938107
Lu, Yingying – Zhou, Yixiao (2021): A review of the economics of artificial intelligence, Journal of Economic Surveys, 35 (4), 1045–1072. DOI: https://doi. org/10.1111/joes.12422
Lum, Kristian – Isaac, William (2016): To predict and serve?, Significance, 13 (5), 14–19. DOI: https://doi.org/10.1111/j.1740-9713.2016.00960.x
Masriadi – Dasmadi – Ekaningrum, Nurni Efri – Hidayat, Muhammad Syahrul – Yuliaty, Farida (2023): Exploring the future of work, Impact of automation and artificial intelligence on employment,Endless: International Journal of Future Studies, 6 (1), 125–136. DOI: https://doi.org/10.54783/endlessjournal.v6i1.131
Microsoft Research (2022): Overreliance on AI, https://www.microsoft.com/en-us/research/uploads/prod/2022/06/Aether-Overreliance-on-AI-Review-Final-6.21.22.pdf (letöltve: 2024. 07. 03.).
Mu, Weijia (2023): How artificial intelligence affects workforces: The impact of biased recruitment and job displacement risk, Highlights in Business, Economics and Management, 23, 19–25. DOI: https://doi.org/10.54097/2t4h0q42
Prem, Erich (2024): Approaches to ethical AI, in Werthner, Hannes et al. (szerk.): Introduction to Digital Humanism, Cham, Springer. DOI: https://doi. org/10.1007/978-3-031-45304-5_15
Siau, Keng – Wang, Weiyu (2020): Artificial intelligence (AI) ethics: ethics of AI and ethical AI, Journal of Database Management, 31 (2), 74 Springer, 87. DOI: https://doi.org/10.4018/JDM.2020040105
Stahl, Bernd Carsten (2021): Addressing Ethical Issues in AI, in Stahl, Bernd Carsten: Artificial Intelligence for a Better Future, Cham, Springer. DOI: https://doi. org/10.1007/978-3-030-69978-9_5
State Council of PRC (2017): China issues guideline on Artificial Intelligence development, https://english.www.gov.cn/policies/latest_releases/2017/07/20/content_281475742458322.htm (letöltve: 2024. 05. 10.). Tilmes, Nicholas (2022): Disability, fairness, and algorithmic bias in AI recruitment, Ethics and Information Technology, 24 (21). DOI: https://doi.org/10.1007/s10676- 022-09633-2
Vasconcelos, Helena – Jörke, Matthew – Grunde-McLaughlin, Madeleine – Gerstenberg, Tobias – Bernstein, Michael S. – Krishna, Ranjay (2022): Explanations can reduce overreliance on AI systems during decision-making, Proceedings of the ACM on Human-Computer Interaction. DOI: https://doi. org/10.48550/arXiv.2212.06823
White House (2023): FACT SHEET: PresidentBiden Issues Executive Order on Safe, Secure, and Trustworthy Artificial Intelligence, https://www.whitehouse.gov/briefing-room/ statements-releases/2023/10/30/fact-sheet-president-biden-issues-executive-order- on-safe-secure-and-trustworthy-artificial-intelligence/ (letöltve: 2024. 05. 10.).
Zirar, Araz – Ali, Syed Imran – Islam, Nazrul (2023): Worker and workplace Artificial Intelligence (AI) coexistence: Emerging themes and research agenda, Technovation, 124, 102747. DOI: https://doi.org/10.1016/j.technovation.2023.102747

Mike Nimród

Csatlakozzon ingyen és olvasson tovább!

Ajánló