Erkundung der ethischen Implikationen von KI: Ein genauerer Blick auf die bevorstehenden Herausforderungen

Bei der KI-Ethik geht es darum, KI verantwortungsvoll zu verbreiten und umzusetzen und dabei verschiedene Überlegungen zu berücksichtigen Datenetikett hat Risiken bei der Werkzeugentwicklung, wie in einem früheren Artikel besprochen. In diesem Artikel werden wir einige der ethischen Probleme untersuchen, die bei KI-Systemen, insbesondere bei Systemen des maschinellen Lernens, auftreten, wenn wir die ethischen Überlegungen der KI oft unbeabsichtigt vernachlässigen.

5 häufige ethische Probleme in der KI

1. Verbreitung von Voreingenommenheit

Obwohl man fest davon überzeugt ist, dass Algorithmen weniger voreingenommen sind als Menschen, ist bekannt, dass KI-Systeme unsere bewussten und unbewussten Vorurteile verbreiten.

Beispielsweise gibt es bekannte Recruiting-Tools, die algorithmisch „lernten“, weibliche Kandidaten zu entlassen, wenn sie erfuhren, dass Männer in der Tech-Branche bevorzugt werden.

Sogar Gesichtserkennungssysteme sind dafür berüchtigt, dass sie bei Minderheitengruppen und farbigen Menschen unverhältnismäßig viele Fehler machen. Als die Forscherin Joy Buolamwini beispielsweise die Genauigkeit der Gesichtserkennungssysteme verschiedener Unternehmen untersuchte, stellte sie fest, dass die Fehlerquote bei hellhäutigen Männern nicht mehr als 1 Prozent betrug. Bei dunkelhäutigen Frauen waren die Fehler jedoch viel größer und erreichten bis zu 35 %. Selbst die renommiertesten KI-Systeme waren nicht in der Lage, weibliche farbige Prominente genau zu identifizieren.

Was ist also die Hauptursache für KI-Voreingenommenheit?

Daten. Die Qualität heutiger KI-Systeme hängt von den Daten ab, auf denen sie trainiert werden. Wenn die Daten nicht repräsentativ, auf eine bestimmte Gruppe ausgerichtet oder in irgendeiner Weise unausgewogen sind, lernt das KI-System diese Nichtrepräsentation und verbreitet die Verzerrungen.

Verzerrungen in den Daten können durch eine Reihe von Faktoren verursacht werden. Wenn beispielsweise in der Vergangenheit bestimmte Personengruppen diskriminiert wurden, wird diese Diskriminierung sehr gut in den Daten erfasst.

Ein weiterer Grund für eine Verzerrung der Daten können die Data-Warehousing-Prozesse eines Unternehmens oder deren Fehlen sein, die dazu führen, dass KI-Systeme aus verzerrten Datenstichproben und nicht aus repräsentativen Stichproben lernen. Selbst die Verwendung eines Schnappschusses aus dem Web zum Trainieren von Modellen kann bedeuten, dass Sie die Vorurteile aus diesem Schnappschuss erkannt haben. Aus diesem Grund sind große Sprachmodelle (LLMs) nicht frei von Vorurteilen, wenn sie nach subjektiven Themen gefragt werden.

Datenverzerrungen können auch ein sein Entwicklungsfehler bei denen die für die Modellentwicklung verwendeten Daten nicht korrekt erfasst wurden, was zu einem Ungleichgewicht in den Stichproben der Untergruppen führte.

2. Unbeabsichtigtes Plagiat

Generative KI-Tools wie GPT-3 und ChatGPT lernen aus riesigen Mengen an Webdaten. Diese Tools erzeugen die Wahrscheinlichkeit, sinnvolle Inhalte zu produzieren. Auf diese Weise können diese generativen KI-Tools Inhalte aus dem gesamten Web wörtlich und ohne Quellenangabe wiederholen.

Woher wissen wir, dass der generierte Inhalt tatsächlich einzigartig ist? Was passiert, wenn der eindeutig generierte Text mit einer Quelle im Web identisch ist? Kann die Quelle ein Plagiat behaupten?

Wir sehen dieses Problem bereits bei Kunstwerkgeneratoren, die aus einer großen Anzahl von Kunstwerken verschiedener Künstler lernen. Das KI-Tool kann am Ende Kunstwerke generieren, die die Werke mehrerer Künstler kombinieren.

Wer genau besitzt letztendlich das Urheberrecht an der erzeugten Kunst? Wenn das Kunstwerk einem bestehenden Werk zu ähnlich ist, kann dies zu einer Urheberrechtsverletzung führen.

3. Missbrauch der Technologie

Vor einiger Zeit wurde entlarvt, dass ein ukrainischer Staatschef mithilfe eines Tools namens tiefe Fälschungen. Dieses KI-Tool kann Videos oder Bilder von Menschen generieren, die Dinge sagen, die sie nie gesagt haben. Ebenso können KI-Bildgeneratortools wie DALL.E und Stable Diffusion verwendet werden, um unglaublich realistische Darstellungen von Ereignissen zu erstellen, die nie stattgefunden haben.

Intelligente Werkzeuge wie diese können (wie wir bereits gesehen haben) als Waffen im Krieg eingesetzt werden, um Desinformation zu verbreiten, um sich politische Vorteile zu verschaffen, die öffentliche Meinung zu manipulieren, Betrug zu begehen und mehr.

In all dem steckt KI NICHT Der schlechte Schauspieler tut, wozu er bestimmt ist. Schlechte Akteure sind Menschen, die KI zu ihrem eigenen Vorteil missbrauchen. Darüber hinaus haben die Unternehmen oder Teams, die diese KI-Tools entwickeln und vertreiben, nicht berücksichtigt, welche weitreichenden Auswirkungen diese Tools auf die Gesellschaft haben können, was ebenfalls ein Problem darstellt.

4. Unebene Spielfelder

Algorithmen können leicht getäuscht werden, und das Gleiche gilt für KI-basierte Software, bei der man die zugrunde liegenden Algorithmen täuschen kann, um sich einen unfairen Vorteil zu verschaffen.

In einem von mir veröffentlichten LinkedIn-Artikel habe ich erklärt, wie Menschen KI-Rekrutierungstools täuschen können, wenn Sie die Attribute offenlegen, die das System im Entscheidungsprozess verwenden wird.

Die Durchsetzung von Maßnahmen zur Offenlegung des Entscheidungsprozesses einer KI während der Rekrutierung ist zwar ein gut gemeinter Schritt zur Förderung der Transparenz, kann jedoch dazu führen, dass Menschen das System manipulieren. Kandidaten erfahren möglicherweise, dass bestimmte Schlüsselwörter im Einstellungsprozess bevorzugt werden, und füllen ihren Lebenslauf mit solchen Schlüsselwörtern, wodurch sie zu Unrecht höher eingestuft werden als besser qualifizierte Kandidaten.

Wir sehen dies in einem viel größeren Ausmaß bei der SEO-Branche, die auf über 60 Milliarden US-Dollar geschätzt wird. Heutzutage geht es bei einem guten Ranking in den Augen von Google nicht nur darum, sinnvolle, lesenswerte Inhalte zu haben. Sondern auch eine Funktion von „gutem SEO“ und damit der wachsenden Beliebtheit dieser Branche.

SEO-Dienste haben es Unternehmen mit großen Budgets ermöglicht, die Rankings zu dominieren, da sie in der Lage sind, große Mengen an Inhalten zu erstellen, Schlüsselwörter zu optimieren und Links zu erhalten, die im gesamten Web weit verbreitet sind.

Während es sich bei einigen SEO-Praktiken lediglich um die Optimierung von Inhalten handelt, „täuschen“ einige Suchalgorithmen vor, dass ihre Websites die besten ihrer Klasse und die maßgeblichste seien und den Lesern den besten Mehrwert bieten würden. Das kann wahr sein oder auch nicht. Top-Unternehmen könnten kommen in mehr SEO investiert.

5. Weit verbreitete Fehlinformationen

Da wir uns immer mehr auf die Antworten und Inhalte verlassen, die von generativen KI-Systemen generiert werden, können die von diesen Systemen produzierten „Fakten“ als die ultimative Wahrheit angesehen werden. In Googles Demo seines generativen KI-Systems Bard gibt es beispielsweise drei Punkte als Antwort auf die Frage: „Von welchen neuen Entdeckungen des James Webb-Weltraumteleskops kann ich meinem 9-Jährigen erzählen?“ In einem der Punkte heißt es, dass das Teleskop „die ersten Bilder eines Planeten außerhalb unseres eigenen Sonnensystems aufgenommen hat“. Allerdings wiesen Astronomen später sehr öffentlich darauf hin, dass dies nicht der Fall sei. Die direkte Nutzung der Ergebnisse solcher Systeme kann zu weit verbreiteten Fehlinformationen führen.

Leider ist es ohne ordnungsgemäße Zitierung nicht einfach, die Fakten zu überprüfen und zu entscheiden, welchen Antworten man vertrauen kann und welchen nicht. Und da immer mehr Menschen generierte Inhalte bedingungslos akzeptieren, kann dies zu einer weitaus größeren Verbreitung von Fehlinformationen führen, als dies bei herkömmlichen Suchmaschinen der Fall ist.

Das Gleiche gilt für Inhalte, die von generativen KI-Systemen geschrieben wurden. Bisher mussten menschliche Ghostwriter Informationen aus zuverlässigen Quellen recherchieren, diese sinnvoll zusammenstellen und die Quellen zitieren, bevor sie sie veröffentlichten. Aber jetzt können sie ganze Artikel von einem KI-System schreiben lassen. Wenn ein von einem KI-System generierter Artikel ohne zusätzliche Faktenprüfung veröffentlicht wird, ist leider die Verbreitung von Fehlinformationen unweigerlich.

Zusammenfassung

In diesem Artikel haben wir einige potenzielle ethische Probleme untersucht, die sich aus KI-Systemen, insbesondere maschinellen Lernsystemen, ergeben können. Wir haben besprochen, wie:

• KI-Systeme können rassische, geschlechtsspezifische, altersbezogene und sozioökonomische Vorurteile verbreiten
• KI verstößt möglicherweise gegen Urheberrechtsgesetze
• KI kann unethisch eingesetzt werden, um anderen zu schaden
• KI kann ausgetrickst werden, was die Wettbewerbsbedingungen für Einzelpersonen und Unternehmen aus dem Gleichgewicht bringt.
• Blindes Vertrauen auf die Antworten von KI-Systemen kann zu weitverbreiteten Fehlinformationen führen

Es ist wichtig anzumerken, dass es viele dieser Probleme gab nicht absichtlich entstehen, sondern sind vielmehr Nebeneffekte der Art und Weise, wie diese Systeme entwickelt, verbreitet und in der Praxis genutzt wurden.

Obwohl wir diese ethischen Probleme nicht vollständig beseitigen können, können wir sicherlich Schritte in die richtige Richtung unternehmen, um die durch die Technologie im Allgemeinen und in diesem Fall durch die KI verursachten Probleme zu minimieren.

Mit einem Überblick über die ethischen Dilemmata der KI konzentrieren wir uns auf die Entwicklung von Strategien für eine verantwortungsvollere Entwicklung und Verbreitung von KI-Systemen. Anstatt auf staatliche Regulierungen zu warten, werden wir in einem zukünftigen Artikel untersuchen, wie Unternehmen verantwortungsvoll eine Vorreiterrolle bei der KI übernehmen können.