Applicazioni di intelligenza artificiale non sarà una panacea per affrontare India, le grandi sfide (File)
L’intelligenza artificiale (AI) è in cima all’agenda di governo. Alcuni giorni fa, il Primo Ministro Narendra Modi ha inaugurato il Wadhwani Institute for Artificial Intelligence, secondo quanto riferito in India il primo istituto di ricerca focalizzata sulla IA soluzioni per il bene sociale. Nella stessa settimana, Niti Aayog CEO di Amitabh Kant sosteneva che l’IA potrebbe aggiungere $957 miliardi per l’economia e descritti i modi in cui l’IA potrebbe essere un ‘game changer’. Durante il suo discorso di presentazione del bilancio, il Ministro delle Finanze Arun Jaitley ha annunciato che Niti Aayog avrebbero condotto un programma nazionale di AI, con il raddoppio del Digital India di bilancio, il ministero, inoltre, ha annunciato l’istituzione di quattro commissioni per IA ricerca in materia. Una politica industriale per l’AI è anche in cantiere, previsto per fornire incentivi alle imprese per la creazione di una competitiva a livello globale Indiano AI settore.
Narrazioni sull’emergente economia digitale spesso soffrono di determinismo tecnologico — supponendo che la marcia di trasformazione tecnologica ha una logica interna, indipendente di scelta sociale e capace di distribuzione automatica di un cambiamento sociale positivo. Tuttavia, traiettorie tecnologiche può e deve essere guidato da di scelta sociale e in linea con obiettivi della società. PM Modi indirizzo di colpire tutte le note giuste, come ha sostenuto che la ‘strada da percorrere per IA dipende e sarà animato da intenzioni umane.’ Sottolineando la necessità di indirizzare AI tecnologie verso soluzioni per i poveri, ha invitato gli studenti e gli insegnanti per identificare ‘le grandi sfide di fronte India’ – ‘IA in India e per l’India’.
Per fare ciò, sarà senza dubbio che richiedono ingenti investimenti in R&S, infrastrutture digitali e di formazione e riqualificazione. Ma, altri due problemi critici che devono essere contemporaneamente trattati: dati di polarizzazione e di accesso a guadagni di tecnologia.
Mentre i computer sono stati imitando l’intelligenza umana, per alcuni decenni, con un enorme incremento di potenza di calcolo e la quantità di dati disponibili consentono un processo di “machine learning”. Invece di codifica software con istruzioni specifiche per realizzare un set di attività, macchina di apprendimento comporta la formazione di un algoritmo di grandi quantità di dati per consentire di auto-apprendimento; perfezionamento e miglioramento dei suoi risultati attraverso iterazioni multiple della stessa attività. La qualità del set di dati utilizzato per la formazione di macchine è, quindi, un problema critico nella costruzione AI applicazioni.
Molto recente ricerca mostra che le applicazioni basate su apprendimento automatico di rispecchiare l’esistenza di pregiudizi sociali e pregiudizi. Tale bias può verificarsi se il set di dati, l’algoritmo è formato, non è rappresentativo della realtà che si propone di rappresentare. Se, per esempio, un sistema è formato su foto di persone che sono prevalentemente bianco, si avrà un tempo più difficile riconoscere i non-bianchi. Questo è ciò che ha portato una recente applicazione Google per tag neri come i gorilla.
In alternativa, il bias può verificarsi anche se il set di dati di per sé riflette discriminatorie esistenti o di comportamenti discriminatori. Un recente studio condotto da ProPublica trovato, per esempio, che il software è utile per valutare il rischio di recidiva in criminali negli Stati Uniti è due volte più probabile che, erroneamente, bandiera nera imputati come essere a più alto rischio di commissione di futuri reati.
L’impatto di tali dati bias può essere seriamente dannoso in India, in particolare in un periodo di crescente frammentazione sociale. Essa può contribuire al rafforzamento della polarizzazione sociale e di pratiche discriminatorie, mentre il rendering sia invisibile e pervasiva, i processi attraverso i quali la discriminazione si verifica. Le donne sono il 34% di probabilità in meno di possedere un telefono cellulare rispetto agli uomini – si manifesta solo in 14 per cento delle donne nelle zone rurali dell’India possiede un telefono cellulare, mentre solo il 30 per cento dell’India, gli utenti di internet sono donne.
La partecipazione delle donne alla forza lavoro, attualmente a circa il 27 per cento, è in declino, ed è uno dei più bassi in Asia del Sud. Set di dati utilizzato per l’apprendimento automatico sono, pertanto, hanno una marcata polarizzazione di genere. Le stesse osservazioni sono probabilmente vale per altri gruppi emarginati.
Accordato per un 2014 di report, i Musulmani, i Dalit e i tribali costituiscono il 53% di tutti i detenuti in India; NCRB dati dal 2016 in mostra in alcuni stati, la percentuale di Musulmani in carcere aveva una popolazione di quasi tre volte la percentuale di Musulmani nella popolazione generale. Se AI le applicazioni per la legge e l’ordine sono costruite su questi dati, non è improbabile che possa essere di pregiudizio nei confronti di questi gruppi. (Vale la pena sottolineare che la recente set-up nazionale AI task force è composta per lo più Indù per soli uomini, due donne sono la task force, e non Musulmani o Cristiani. Un recente articolo del New York Times ha parlato AI ‘ “uomo bianco “problema”; India soffrono di un ‘Indù Maschile’? )
Di sicurezza, migliorare la qualità, o la diversità, di insiemi di dati potrebbe non essere in grado di risolvere il problema. I processi di apprendimento automatico e di ragionamento di coinvolgere un pantano di funzioni matematiche, le variabili, e permutazioni, la cui logica non sono facilmente rintracciabili o prevedibile. Dazzle di AI-abilitato guadagni di efficienza non deve farci perdere di vista il fatto che, mentre AI sistemi sono integrati in chiave socio-economica dei sistemi, la loro precisione e la logica del ragionamento non è stato completamente compreso e studiato.
L’altra grande sfida che deriva dalla distribuzione di AI-tecnologia led guadagni. Anche se le stime di AI di contributo al PIL sono corrette, l’adozione di queste tecnologie è probabile che sia in nicchie all’interno organizzate del settore. Questi settori sono probabilmente un capitale piuttosto che il lavoro per la cpu, e quindi difficilmente contribuire a grande scala, la creazione di posti di lavoro.
Allo stesso tempo, AI applicazioni possono più facilmente sostituire medio-basso di posti di lavoro qualificati nell’organizzate del settore. Questo è già testimoniata nel settore BPO – dove di base di chiamare e chattare operazioni sono automatizzate. Riqualificazione sarà importante, ma è improbabile che coloro che perdono il lavoro sarà anche coloro che sono stati ri-qualificati – lungo arco di cambiamento tecnologico e sociale, di adattamento è più lungo di quello della vita delle persone. La contrattualizzazione del lavoro, già in aumento, è probabile un ulteriore aumento, come le grandi industrie preferiscono avere una forza lavoro flessibile, per adattarsi ai cambiamenti tecnologici. Un passaggio dall’occupazione formale del contratto di lavoro può comportare una perdita di accesso formale misure di protezione sociale, aumentando in tal modo la precarietà del lavoro per i lavoratori.
L’adozione di tecnologie AI è anche improbabile che nel breve-medio periodo, del settore informale, che coinvolge oltre l ‘ 80% dell’India, della forza di lavoro. Il costo per lo sviluppo e la distribuzione AI applicazioni, in particolare in relazione al costo del lavoro, inibisce l’adozione. Inoltre, la maggior parte delle aziende all’interno del settore informale ancora limitato accesso ai servizi di base, tecnologie precedenti – due terzi della forza lavoro, occupati in imprese senza elettricità. Eco-aggiornamenti del sistema sarà importante, ma incrementale. Dato il costo di sviluppo di intelligenza artificiale basato le applicazioni, la maggior parte delle start-up è improbabile che lavorare verso la creazione della base della piramide soluzioni.
Accesso a ai-tecnologia led guadagni quindi è probabile che essere fortemente differenziata, con pochi settori più in crescita può essere previsto, ma queste non comportano necessariamente il benessere del lavoro. Gli studi dimostrano che il lavoro quota di reddito nazionale, in particolare routine di lavoro, è stato costante calo, tra paesi in via di sviluppo.
Ci dovrebbe essere chiaro che le nuove applicazioni tecnologiche di per sé non sono andando a trasformare o interrompere questo trend invece, senza un’adeguata politica di sterzo, queste saranno le tendenze aggravato.
Dibattiti politici su AI, applicazioni in India hanno bisogno di prendere questi due problemi seriamente. AI applicazioni che non sarà una panacea per affrontare ‘India grand sfide”. Dati di polarizzazione e di disparità di accesso alla tecnologia guadagni andranno a consolidare socio-economici esistenti fessure, rendendoli addirittura tecnologicamente associazione.
Oltre a sviluppare IA applicazioni e la creazione di una forza lavoro il governo deve dare la priorità di ricerca, che prende in esame il complesso sociali, etici e di governance sfide connesse con la diffusione di AI-driven tecnologie. Cieco ottimismo tecnologico potrebbe rafforzare, piuttosto che alleviare il grand Indiano sfida di disuguaglianza e di crescita.
Urvashi Aneja è Fondatore e Direttore del Tandem di Ricerca, Professore Associato di Relazioni Internazionali presso l’OP Jindal Università Globale, e professore Associato presso Chatham House. Lei tweets di @urvashi_aneja Questo articolo è basato su Tandem di Ricerca in corso programmi sul Futuro del Lavoro in India e AI per Tutti
Per tutte le ultime Parere News, download Indian Express App