. Lambda . blog

           Létezik egy figyelemre méltó tétel a számítástechnikában, amelyik szerint NAND kapuk összekapcsolásával bármilyen függvényt előállíthatunk. Első látásra ez így elég semmitmondónak tűnhet, pedig a mai tudásunk alapján bátran kijelenthetjük, hogy a függvények képezik az intelligencia alapját, legyen az mesterséges vagy biológiai.

Aktuális életfilozófiánk szerint erkölcsileg nem számít, hogy valakinek sötét vagy világos bőre van, mint ahogy az sem számít, hogy egy adott intelligenciát szilícium vagy biológiai alapú neuronok működtetnek. Éppen ezért igazán nem várnánk el az ember által létrehozott mesterséges intelligenciától, hogy előítéletes legyen. Pedig van rá számos példa. Az arcfelismerő szoftverek például nehezebben ismerik fel a fekete bőrű emberek arcát, mint a fehérekét. Vagy a humánerőforrás elemző programok általában diszkriminálják az álláshirdetésre jelentkező nőket a férfiakkal szemben. Vagy ha például azt kell meghatározni, hogy ki lesz megbízható adós vagy jó munkaerő, akkor a ma még szilícium alapú intelligencia nagy valószínűséggel nem a barnásabb bőrű embertársaink közül fog válogatni. Miért van ez így? Első látásra azt mondhatnánk, hogy ez azért van, mert a programozó a saját, előítéleteit akaratlanul is beépítheti az általa írt kódba - ezt a jelenséget nevezik algoritmikus előítéletnek....

A Bayes tétel középpontjában az az alapelv áll, hogy még nagyon kevés rendelkezésre álló adat esetén is képesek vagyunk a jövő előrejelzésére úgy, hogy feltételezéseket teszünk, amelyeket majd módosítunk a világról történt megfigyeléseink alapján. A módszer arra szolgál, hogy meghatározzuk jövőbeli események valószínűségét a múlt hasonló eseményei alapján. Van, amikor képtelenek vagyunk a bayesi következtetésre, noha éppen arra lenne szükség. Vegyük például az orvosi diagnosztikát. Minden diagnosztikánál be kell kalkulálni a hamis pozitív esetek arányát és a kór tényleges elterjedését. Ha ezeket figyelmen kívül hagyjuk, az torzítja képünket a valószínűségről és igen, implicit a valóságról is. Márpedig az orvosok rendszeresen összetévesztik annak a valószínűségét, hogy a teszt pozitív, ha a páciens nem fertőzött, azzal, hogy a páciens nem fertőzött, ha a teszt pozitív. Például egy orvos, aki nem hallott a bayesi valószínűségekről, azzal a hírrel aranyozhatja be egy páciense délutánj...