ترجمه فارسی مقاله غلتیدن در اعماق سوگیری‌های شناختی و هوش مصنوعی

چکیده

Nowadays, we delegate many of our decisions to Artificial Intelligence (AI) that acts either in solo or as a human companion in decisions made to support several sensitive domains, like healthcare, financial services and law enforcement. AI systems, even carefully designed to be fair, are heavily criticized for delivering misjudged and discriminated outcomes against individuals and groups. Numerous work on AI algorithmic fairness is devoted on Machine Learning pipelines which address biases and quantify fairness under a pure computational view. However, the continuous unfair and unjust AI outcomes, indicate that there is urgent need to understand AI as a sociotechnical system, inseparable from the conditions in which it is designed, developed and deployed. Although, the synergy of humans and machines seems imperative to make AI work, the significant impact of human and societal factors on AI bias is currently overlooked. We address this critical issue by following a radical new methodology under which human cognitive biases become core entities in our AI fairness overview. Inspired by the cognitive science definition and taxonomy of human heuristics, we identify how harmful human actions influence the overall AI lifecycle, and reveal human to AI biases hidden pathways. We introduce a new mapping, which justifies the human heuristics to AI biases reflections and we detect relevant fairness intensities and inter-dependencies. We envision that this approach will contribute in revisiting AI fairness under deeper human-centric case studies, revealing hidden biases cause and effects.

چکیده به فارسی (ترجمه ماشینی)

امروزه ، ما بسیاری از تصمیمات خود را به هوش مصنوعی (AI) واگذار می کنیم که یا به صورت انفرادی یا به عنوان یک همراه انسانی در تصمیماتی که برای پشتیبانی از چندین حوزه حساس ، مانند مراقبت های بهداشتی ، خدمات مالی و اجرای قانون انجام می شود ، عمل می کند.سیستم های هوش مصنوعی ، حتی با دقت طراحی شده اند تا عادلانه باشند ، به دلیل ارائه نتایج نادرست و تبعیض آمیز علیه افراد و گروه ها به شدت مورد انتقاد قرار می گیرند.کار بی شماری در مورد انصاف الگوریتمی AI در خطوط لوله یادگیری ماشین که به تعصبات می پردازند و کمیت انصاف را تحت یک دیدگاه محاسباتی خالص اختصاص می دهد ، اختصاص داده شده است.با این حال ، نتایج مداوم ناعادلانه و ناعادلانه هوش مصنوعی ، نشان می دهد که نیاز فوری به درک هوش مصنوعی به عنوان یک سیستم اجتماعی فنی وجود دارد ، از شرایطی که در آن طراحی ، توسعه و مستقر شده است ، جدا نیست.اگرچه ، هم افزایی انسان ها و ماشین ها برای کار کردن AI ضروری به نظر می رسد ، اما تأثیر قابل توجهی از عوامل انسانی و اجتماعی بر تعصب هوش مصنوعی در حال حاضر نادیده گرفته می شود.ما با پیروی از یک روش جدید رادیکال جدید که تحت آن تعصبات شناختی انسان به موجودات اصلی در نمای کلی انصاف هوش مصنوعی ما تبدیل می شود ، به این مسئله مهم می پردازیم.با الهام از تعریف علوم شناختی و طبقه بندی اکتشافی انسان ، ما مشخص می کنیم که اقدامات انسانی مضر بر چرخه زندگی کلی هوش مصنوعی تأثیر می گذارد ، و انسان را به تعصبات هوش مصنوعی در مسیرهای پنهان آشکار می کند.ما یک نقشه برداری جدید را معرفی می کنیم ، که اکتشافی انسان را به بازتاب های تعصب هوش مصنوعی توجیه می کند و شدت انصاف مربوطه و اعتماد به نفس را تشخیص می دهیم.ما تصور می کنیم که این رویکرد در بازنگری در انصاف هوش مصنوعی تحت مطالعات عمیق تر و محور انسانی ، کمک خواهد کرد و علت و اثرات تعصبات پنهان را نشان می دهد.