AI Bias คืออะไร? ปัญหาอคติ AI ที่ยังเกิดขึ้นอย่างต่อเนื่อง ทั้งเหยียดเพศ, เหยียดผิว, เหยียดเชื้อชาติ และอื่นๆ แล้วดูเหมือนปัญหานี้ดูเหมือนจะแก้ไม่ง่ายซะด้วย
ความลำเอียงเป็นเรื่องปกติของมนุษย์ และเมื่อ AI ถูกเอาเข้ามาใช้ในหลายๆ งาน หลายคนคาดว่า AI จะไม่มีปัญหาเรื่อง AI Bias หรือ อคติ AI แต่ในความเป็นจริง แล้ว AI ก็ลำเอียงได้เช่นกัน แล้วมันเกิดขึ้นได้อย่างไร? ส่งผลกระทบอะไรบ้าง?
AI Bias คืออะไร?
AI Bias หรือ อคติ AI ในปัญญาประดิษฐ์เป็นปัญหาสำคัญที่กำลังได้รับความสนใจอย่างมากในวงการเทคโนโลยีและสังคม ปัญหานี้เกิดขึ้นเมื่อระบบ AI ที่เราพัฒนาขึ้นแสดงพฤติกรรมที่เอนเอียงหรือเลือกปฏิบัติต่อกลุ่มบุคคลบางกลุ่มอย่างไม่เป็นธรรม ซึ่งอาจส่งผลกระทบต่อการตัดสินใจในชีวิตประจำวันของผู้คนได้อย่างกว้างขวาง
AI Bias เกิดขึ้นได้อย่างไร?
สิ่งสำคัญคือต้องตระหนักคืออคติสามารถเกิดขึ้นได้ในหลายขั้นตอนของกระบวนการ AI ตั้งแต่การฝึกไปจนถึงการใช้งาน
- ข้อมูลฝึกสอนที่มีอคติ: ข้อมูลที่ใช้ในการฝึกสอนระบบ AI มักสะท้อนถึงอคติที่ฝังรากอยู่ในสังคม เช่น อคติทางเชื้อชาติ เพศ หรือสภาพทางเศรษฐกิจ หากข้อมูลเหล่านี้ไม่ได้รับการตรวจสอบและแก้ไขอย่างเหมาะสม ระบบ AI ก็จะเรียนรู้และสืบทอดอคติเหล่านั้นไปด้วย
- อัลกอริทึมที่ออกแบบมาไม่ดี: แม้ว่าข้อมูลฝึกสอนจะเป็นกลาง แต่หากอัลกอริทึมที่ใช้ในการสร้างโมเดล AI มีข้อบกพร่องหรือไม่ได้รับการออกแบบมาอย่างรอบคอบ ก็อาจนำไปสู่อคติได้เช่นกัน
- การตีความผลลัพธ์ที่ไม่ถูกต้อง: การตีความผลลัพธ์ที่ได้จากระบบ AI อาจนำไปสู่อคติได้หากผู้ใช้ขาดความเข้าใจในวิธีการทำงานของระบบ หรือมีอคติส่วนตัวเข้ามาเกี่ยวข้อง
ประเภทของอคติ AI
เพราะอคติ AI มีต้นกำเนิดมาจากอคติของมนุษย์ ดังนั้นอคติของ AI ก็จึงไม่ต่างอะไรกับอคติของมนุษย์ ตัวอย่างเช่น
อคติในการเลือก (Selection bias): สิ่งนี้เกิดขึ้นเมื่อข้อมูลที่ใช้ในการฝึกอบรมระบบ AI ไม่ได้สะท้อนความเป็นจริง ซึ่งอาจเกิดขึ้นได้จากหลายสาเหตุ เช่น ข้อมูลไม่สมบูรณ์ การสุ่มตัวอย่างที่มีอคติ หรือปัจจัยอื่นๆ ที่อาจทำให้ชุดข้อมูลไม่สะท้อนความเป็นจริง
อคติในการยืนยัน (Confirmation bias): อคติประเภทนี้เกิดขึ้นเมื่อระบบ AI ถูกปรับแต่งให้พึ่งพาความเชื่อหรือแนวโน้มของข้อมูลที่มีอยู่ก่อนมากเกินไป สิ่งนี้จะส่งเสริมการสร้างอคติที่มีอยู่เดิมยิ่งขึ้นไปอีก
อคติในการวัด (Measurement bias): อคตินี้เกิดขึ้นเมื่อข้อมูลที่รวบรวมมามีความแตกต่างกันอย่างเป็นระบบเฉพาะกลุ่มที่สนใจเท่านั้น ตัวอย่างเช่น หากต้องการฝึกโมเดล AI ให้ทำนายความสำเร็จของนักเรียนในหลักสูตรออนไลน์ แต่ข้อมูลถูกรวบรวมมาจากนักเรียนที่เรียนจบหลักสูตรเท่านั้น โมเดลอาจไม่สามารถทำนายประสิทธิภาพของนักเรียนที่เรียนไม่จบได้อย่างแม่นยำ
อคติการเหมารวม (Stereotyping bias): เกิดขึ้นเมื่อระบบ AI เสริมสร้างความเชื่อผิด ๆ เกี่ยวกับกลุ่มบุคคล ตัวอย่างเช่น เมื่อระบบจดจำใบหน้าจะมีความแม่นยำน้อยกว่าในการระบุตัวตนผู้ที่มีสีผิวแตกต่างกัน
อคติความเหมือนกันของกลุ่มนอก (Out-group homogeneity bias): เกิดขึ้นเมื่อระบบ AI ไม่สามารถแยกแยะความแตกต่างระหว่างบุคคลที่ไม่ใช่กลุ่มหลักในข้อมูลที่ใช้ฝึกสอนได้อย่างดี ซึ่งเป็นรูปแบบหนึ่งของอคติความเหมือนกันของกลุ่มนอก อาจส่งผลให้เกิดการจัดประเภทผิดหรือความไม่แม่นยำเมื่อต้องจัดการกับข้อมูลกลุ่มน้อย
ตัวอย่างของ AI Bias
สาวเอเชียถูก AI เหยียดเชื้อชาติ โดยปรับรูปถ่ายของเธอให้เป็นฝรั่งตาสีฟ้า
ในช่วงเดือนสิงหาคม 2023 Rona Wang นักศึกษาชาวอเมริกันเชื้อสายเอเชียจาก MIT ใช้เครื่องมือเอไอที่ชื่อว่า Playground AI ปรับแต่งรูปถ่ายของเธอให้ดูเป็น “มืออาชีพมากขึ้น” เพื่อนำไปใช้เป็นรูปโปรไฟล์ของ LinkedIn แต่ผลลัพธ์ที่ได้ก็คือ AI เปลี่ยนหน้าของเธอให้กลายเป็นหญิงผิวขาว ตาสีฟ้า นั้นหมายความว่า AI กำลังมองว่า คนผิวขาวมีความเป็นมืออาชีพมากกว่าคนเอเชีย
Chatbot แอบเหยียดผิวเมื่อพูดคุยด้วยภาษาแบบคนดำ
ช่วงเดือนสิงหาคม 2024 นักวิจัยรายงานได้รายงานว่าพบการเหยียดผิวใน Chatbot AI จากคำตอบที่แชตบอทนั้นตอบกลับมา โดยนักวิจัยได้ทดลองถามคำถามกับแชตบอทหลายตัวได้แก่ ChatGPT (รวมถึงโมเดลภาษา GPT-2, GPT-3.5 และ GPT-4), T5 และ RoBERTa เกี่ยวกับตัดสินความผิดฐานฆาตกรรมโดยเจตนา และตัดสินจำคุกตลอดชีวิตหรือประหารชีวิต โดยข้อมูลที่อินพุตไปจะใช้ภาษา 2 รูปแบบคือ ภาษาอังกฤษแบบแอฟริกันอเมริกัน (AAE) และภาษาอังกฤษมาตรฐานอเมริกัน (SAE) ผลปรากฏว่า โมเดลเอไอโมเดลจะตัดสินประหารชีวิตจำเลยที่ใช้ภาษาอังกฤษแบบแอฟริกันอเมริกัน (AAE) ประมาณร้อยละ 28 ขณะที่โมเดลตัดสินประหารชีวิตจำเลยที่ใช้ภาษาอังกฤษมาตรฐานอเมริกัน (SAE) เพียงร้อยละ 23 เท่านั้น
นอกจากนี้หากลองถามเอไอว่าคิดอย่างไรกับคนผิวดำ เอไอดังกล่าวจะสร้างคำต่างๆ เช่น “ยอดเยี่ยม” “ทะเยอทะยาน” และ “ฉลาด” แต่เมื่ออินพุตข้อมูลแบบระบุเชื้อชาติ แต่ใช้ภาษาอังกฤษแบบแอฟริกันอเมริกัน (AAE) โมเดลดังกล่าวกลับสร้างคำ เช่น “น่าสงสัย” “ก้าวร้าว” และ “โง่เขลา” ซึ่งแสดงถึงทัศนคติที่เหยียดผิว
UNESCO เตือนว่า Chatbot AI จาก OpenAI และ Meta มีทัศนคติเหยียดเพศ
ช่วงเดือนมีนาคม 2024 ผู้เชี่ยวชาญของ UNESCO ได้ทดสอบอัลกอริทึม Llama 2 ของ Meta, GPT-2 และ GPT-3.5 ของ OpenAI โดยผลการศึกษาพบว่าอัลกอริทึมแต่ละตัว แสดงให้เห็น “หลักฐานที่ชัดเจนของอคติต่อผู้หญิง”
เอไอดังกล่าวสร้างข้อความที่เชื่อมโยงชื่อของผู้หญิงกับคำต่างๆ เช่น “บ้าน” “ครอบครัว” หรือ “ลูกๆ” แต่กลับเชื่อมโยงชื่อของผู้ชายกับ “ธุรกิจ” “เงินเดือน” หรือ “อาชีพ” ในขณะที่ผู้ชายถูกพรรณนาในงานที่มีสถานะสูง เช่น ครู ทนายความ และแพทย์ ผู้หญิงมักเป็นโสเภณี พ่อครัว หรือคนรับใช้ในบ้าน
ถึงแม้ว่า GPT-3.5 มีอคติน้อยกว่าโมเดลอีกสองตัว แต่โมเดล Llama 2 และ GPT-2 ก็ได้รับคำชมในมุมเป็นโอเพนซอร์ส ทำให้สามารถตรวจสอบปัญหาเหล่านี้ได้ ซึ่งแตกต่างจาก GPT-3.5 ซึ่งเป็นโมเดลแบบปิด
วิธีการแก้ไข AI Bias
นี้เป็นแค่ตัวอย่างส่วนหนึ่งของ AI Bias เท่านั้น ซึ่งปฏิเสธไม่ได้เลยว่าเมื่อ AI มีทัศนคติแบบนี้ย่อมส่งผลกับการนำไปใช้อย่างแน่นอน ซึ่งวิธีการแก้ไขมีดังนี้
- การรวบรวมข้อมูลที่หลากหลายและเป็นกลาง: ข้อมูลที่ใช้ในการฝึกสอนระบบ AI ควรครอบคลุมกลุ่มบุคคลที่หลากหลายและเป็นตัวแทนของประชากรทั่วไป
- การตรวจสอบและแก้ไขอัลกอริทึม: อัลกอริทึมที่ใช้ในการสร้างโมเดล AI ควรได้รับการตรวจสอบและแก้ไขอย่างสม่ำเสมอเพื่อให้แน่ใจว่าไม่มีอคติ
- การตระหนักถึงอคติของมนุษย์: ผู้พัฒนาระบบ AI ควรตระหนักถึงอคติของตนเองและพยายามลดผลกระทบของอคติเหล่านั้นต่อการพัฒนาระบบ
- การสร้างความโปร่งใส: การทำให้กระบวนการพัฒนาระบบ AI โปร่งใสจะช่วยให้ผู้ใช้สามารถตรวจสอบและท้าทายผลลัพธ์ที่ได้จากระบบ
AI Bias เป็นปัญหาที่ซับซ้อนและต้องการความร่วมมือจากทุกภาคส่วนในการแก้ไข การตระหนักถึงปัญหานี้และการดำเนินมาตรการเพื่อลดผลกระทบของ AI Bias และสิ่งที่สำคัญที่สุดอย่างหนึ่งของการทำให้ AI มีความเป็นกลางไม่ลำเอียง นั้นก็คือการพัฒนาและใช้ AI อย่างมีจริยธรรม ซึ่งเป็นสิ่งสำคัญอย่างยิ่งในการสร้างสังคมที่เท่าเทียมและยุติธรรม
อ้างอิง chapman.edu france24.com sciencenews.org businessinsider.com และ cover iT24Hrs
อ่านบทความและข่าวอื่นๆเพิ่มเติมได้ที่ it24hrs.com
AI Bias คืออะไร? ปัญหาอคติ AI ที่ยากเกินแก้?
อย่าลืมกดติดตามอัพเดตข่าวสาร ทิปเทคนิคดีๆกันนะคะ Please follow us
Youtube it24hrs
Twitter it24hrs
Tiktok it24hrs
facebook it24hrs
