Künstliche Intelligenz-Anwendungen sind kein Allheilmittel für die Bewältigung Indien die großen Herausforderungen in der (Datei)
Die künstliche Intelligenz (KI) ist hoch auf der agenda der Regierung. Vor einigen Tagen ist Premierminister Narendra Modi weiht die Wadhwani, Institut für Künstliche Intelligenz, angeblich Indiens erste Forschungsinstitut konzentriert sich auf AI-Lösungen für die soziale gut. In der gleichen Woche, Niti Aayog CEO Amitabh Kant argumentiert, dass die KI könnte potenziell hinzufügen $957 Mrd. auf die Wirtschaft und die skizzierten Wege in die KI könnte ein “Spiel-wechsler”. Während seiner budget-Rede, Finanzminister Arun Jaitley kündigte an, dass Niti Aayog würde Speerspitze eines nationalen Programms auf AI; mit dem beinahe-Verdoppelung des Digital-Indien budget, das IT-Ministerium kündigte auch die Einrichtung von vier Ausschüssen für die KI-bezogene Forschung. Eine Industriepolitik für die AI ist auch in der pipeline erwartet, dass Sie Anreize für Unternehmen für die Schaffung eines Global wettbewerbsfähigen indischen AI-Industrie.
Erzählungen auf der neuen digitalen Wirtschaft leiden Häufig unter technologischen Determinismus — Annahme, dass der März der technologische Wandel hat eine innere Logik, die unabhängig von der sozialen Auswahl und in der Lage, automatisch die Bereitstellung von positiven sozialen Wandel. Allerdings, technologische Trajektorien kann und muss gesteuert werden durch soziale Wahl und im Einklang mit gesellschaftlichen Zielen. PM Modi ‘ Adresse alle treffen den richtigen Ton, als er argumentierte, dass die ‘road ahead’ für AI abhängig ist, und wird angetrieben durch menschliche Absichten.’ Die Betonung der Notwendigkeit einer direkten KI-Technologien auf Lösungen für die Armen, er rief Schüler und Lehrer zu identifizieren ‘die große Herausforderungen, vor denen Indien’ – ‘KI, in Indien und für Indien”.
Dies zu tun, wird zweifellos erfordern erhebliche Investitionen in R&D, die digitale Infrastruktur und Bildung und Umschulung. Aber ein, zwei andere kritische Probleme müssen gleichzeitig angegangen werden: Daten-bias und der Zugang zu Technologien erhält.
Während Computer Simulation menschlicher Intelligenz für paar Jahrzehnten, eine massive Steigerung der Rechenleistung und der Quantität der verfügbaren Daten ermöglichen es, einen Prozess des ‘machine learning.’ Anstatt der Kodierung der software mit spezifischen Anweisungen zum durchführen einer set-task, machine learning beinhaltet die Ausbildung einen Algorithmus auf große Mengen von Daten zu aktivieren, um selbst zu lernen; die Verfeinerung und Verbesserung der Ergebnisse über mehrere Iterationen der gleichen Aufgabe. Die Qualität von Daten-sets verwendet, um Zug-Maschinen ist somit ein wichtiges Anliegen im Gebäude AI-Anwendungen.
Ein Großteil der jüngsten Forschung zeigt, dass Anwendungen basierend auf machine-learning-spiegeln bestehende Gesellschaftliche Vorurteile und Vorurteile. Solche Verzerrungen können auftreten, wenn das Daten-set der Algorithmus ausgebildet ist, ist wenig repräsentativ für die Realität, die es darzustellen sucht. Wenn zum Beispiel ein system ist ausgebildet, die auf Fotos von Menschen, die sind überwiegend weiß, Sie haben eine härtere Zeit der Anerkennung nicht-weißen Menschen. Dies ist, was führte eine aktuelle Google-Anwendung zum tag schwarze Menschen als mit gorillas.
Alternativ bias kann auch auftreten, wenn der Datensatz selbst spiegelt bestehenden diskriminierenden oder ausschließenden Praktiken. Eine aktuelle Studie von ProPublica zum Beispiel gefunden, dass die software, die nützlich zur Beurteilung des Risikos des Rückfalls in die kriminellen in den Vereinigten Staaten war doppelt so wahrscheinlich versehentlich die Flagge schwarz-Beklagten als seiend an der höheren Gefahr der Begehung künftiger Straftaten.
Die Auswirkungen solcher Daten bias kann ernsthaft beschädigen in Indien, besonders in einer Zeit der wachsenden sozialen Zersplitterung. Es kann dazu beitragen, die Verankerung der sozialen Vorurteile und diskriminierende Praktiken bei der Erbringung der sowohl unsichtbar und allgegenwärtig die Prozesse, durch die Diskriminierung Auftritt. Frauen sind 34 Prozent weniger wahrscheinlich zu besitzen ein Handy als Männer, die sich in nur 14 Prozent der Frauen im ländlichen Indien besitzen ein Mobiltelefon, während nur 30 Prozent der indischen internet-Nutzer sind Frauen.
Die Beteiligung der Frauen an der Erwerbsbevölkerung, der derzeit bei rund 27 Prozent, sinkt, und ist eine der niedrigsten in Südasien. Daten-sets verwendet für maschinelles lernen sind somit wahrscheinlich einen deutlichen gender-bias. Die gleichen Beobachtungen sind wahrscheinlich zu halten, gilt auch für andere marginalisierte Gruppen.
Wegen 2014-Bericht, Muslime, Dalits und tribals machen 53 Prozent aller Gefangenen in Indien; NCRB Daten ab 2016 zeigt in einigen Staaten, der Anteil von Muslimen in der Bevölkerung inhaftiert war fast dreimal der Prozentsatz der Muslime in der Gesamtbevölkerung. Wenn KI-Anwendungen für Recht und Ordnung basieren auf diesen Daten ist es nicht unwahrscheinlich, dass es Vorurteile gegen diese Gruppen. (Es ist darauf hinzuweisen, dass die kürzlich set-up der nationalen AI-task-force besteht aus meist Hindu-nur Männer – zwei Frauen sind in der task force, und keine Muslime oder Christen. Ein Aktueller Artikel in der New York Times Sprach über AI ‘s’ white guy problem’; Indien leiden unter einer ‘Hindu Male Bias’? )
Doch, die Verbesserung der Qualität oder der Vielfalt von Daten-sets können nicht in der Lage sein, das problem zu lösen. Die Verfahren des maschinellen Lernens und der Argumentation beinhalten einen Sumpf von mathematischen Funktionen, Variablen und Permutationen, die Logik, die nicht ohne weiteres nachvollziehbar oder vorhersehbar. Die blenden von AI-aktiviert Effizienzgewinne müssen uns nicht blind machen für die Tatsache, dass, während die KI-Systeme sind integriert in die wichtigsten sozio-ökonomischen Systeme, deren Richtigkeit und Logik der Argumentation noch nicht vollständig verstanden oder untersucht.
Eine weitere Herausforderung ergibt sich aus der Verteilung der AI-led-Technologie gewinnt. Auch wenn Schätzungen von AI Beitrag zum BIP sind die richtige, die Einführung dieser Technologien wahrscheinlich in den Nischen innerhalb des organisierten Sektor. Diese Branchen sind voraussichtlich werden Kapital-statt arbeitsintensiv und deshalb kaum dazu beitragen großem Maßstab die Schaffung von Arbeitsplätzen.
Zur gleichen Zeit, KI-Anwendungen, die können die meisten leicht ersetzen niedrig bis Mittel qualifizierten Beschäftigung im organisierten Sektor. Dies ist bereits Zeuge in der BPO-Sektor – wo grundlegende Anruf-und chat-Aufgaben sind nun automatisiert. Re-skilling wird wichtig sein, aber es ist unwahrscheinlich, dass diejenigen, die Ihren Arbeitsplatz verlieren werden auch diejenigen, die neu zu erfahren – der lange Bogen des technologischen Wandels und der gesellschaftlichen Anpassung länger ist als das Leben der Menschen. Die contractualization der Arbeit, bereits auf dem Vormarsch, wird sich wahrscheinlich weiter erhöhen, da große Unternehmen bevorzugen flexible Mitarbeiter, um eine Anpassung an technologische Veränderungen. Eine Verlagerung von regulärer Beschäftigung, vertragliche arbeiten kann bedeuten, einen Verlust des Zugangs zu formellen Mechanismen zum sozialen Schutz, erhöht damit die Prekarität von Arbeit für die Arbeiter.
Die Annahme von AI-Technologien ist auch unwahrscheinlich, dass kurz-bis mittelfristig im informellen Sektor, die sich mehr als 80% der indischen Arbeitskräfte. Die Kosten für die Entwicklung und Bereitstellung von KI-Anwendungen, insbesondere in Bezug auf die Kosten der Arbeit, hemmen die Annahme. Darüber hinaus sind die meisten Unternehmen im nicht organisierten Sektor immer noch nur begrenzten Zugang zu grundlegenden ältere Technologien – zwei Drittel der Belegschaft arbeiten in Unternehmen ohne Strom. Eco-system-upgrades wird wichtig sein, aber inkrementell. Angesichts der hohen Kosten der Entwicklung von KI-basierten Anwendungen, die meisten start-ups sind unwahrscheinlich, zu arbeiten, zu schaffen bottom of the pyramid ” – Lösungen.
Zugriff auf AI-led-Technologie gewinnt ist somit wahrscheinlich stark differenziert – paar high-Wachstum der Industrie erwartet werden können, diese werden aber nicht zwangsläufig das Wohlbefinden der Arbeit. Studien zeigen, dass die Arbeit der Anteil des nationalen Einkommens, vor allem routine-labor, wurde kontinuierlich zurückgegangen und gegenüber den Entwicklungsländern.
Sollten wir uns klar sein, dass neue technologische Anwendungen selbst sind nicht zu verändern oder zu stören, dieser trend eher, ohne angemessene politische Lenkung dieser Entwicklungen verschärft sich.
Politische Debatten über AI-Anwendungen in Indien brauchen, um diese beiden Probleme ernst. KI-Anwendungen sind kein Allheilmittel für die Bewältigung der ‘Indiens große Herausforderungen.’ Daten, die den bias und den ungleichen Zugang zu Technologie-Gewinne festigen die bestehenden sozio-ökonomischen Risse, noch macht Sie technologisch verbindlich.
Neben der Entwicklung von KI-Anwendungen und dem erstellen einer qualifizierten Belegschaft, die die Regierung braucht, um zu priorisieren Forschung, die untersucht, die komplexe soziale, ethische und governance-Herausforderungen im Zusammenhang mit der Verbreitung von KI-gesteuerte Technologien. Blinden technologischen Optimismus könnte verschanzen, anstatt zu lindern, die das grand Indian Herausforderung von Ungleichheit und Wachstum.
Urvashi Aneja ist Gründer und Leiter von Tandem Research, Associate Professor für Internationale Beziehungen an der OP Jindal Global University, und Associate Fellow am Chatham House. Sie tweets @urvashi_aneja Dieser Artikel basiert auf Tandem-Research für das laufende Programme auf die Zukunft der Arbeit in Indien und AI für Alle
Für alle die aktuelle Meinung News, download Indian Express App