Kovoje siekiant atgauti AI iš Big Tech kontrolės

Viršutinėje eilėje iš kairės: Raphael Gontijo Lopes, Deborah Raji, Rediet Abebe. Antroji eilutė: Joy Buolamwini. Trečioje eilėje iš kairės: William Agnew, Timnit Gebru. Ricardo Santosas

Timnit Gebru niekada negalvojo a mokslinis darbas sukeltų jai tiek rūpesčių.

2020 m., būdamas „Google“ etiško AI komandos vadovu, Gebru susisiekė su Emilė Bender , Vašingtono universiteto lingvistikos profesorius, ir jiedu nusprendė bendradarbiauti tiriant nerimą keliančius dirbtinio intelekto kryptis. Gebru norėjo nustatyti riziką, kurią kelia didelių kalbų modeliai , vienas stulbinamiausių pastarojo meto DI tyrimų pasiekimų. Modeliai yra algoritmai, parengti naudojant stulbinančius teksto kiekius. Tinkamomis sąlygomis jie gali sukurti įtikinamų prozos ištraukų.

Ši istorija buvo mūsų 2021 m. liepos mėn. numerio dalis

• Žr. likusią numerio dalį
• Prenumeruoti

Keletą metų technologijų įmonės lenktyniavo siekdamos sukurti didesnes versijas ir integruoti jas į plataus vartojimo produktus. „Google“, išradusi šią techniką, jau naudojo ją, kad pagerintų paieškos rezultatų tinkamumą. OpenAI paskelbė didžiausią, vadinamą GPT-3 , 2020 m. birželio mėn., o po kelių mėnesių ją licencijavo tik „Microsoft“.

Gebru nerimavo dėl to, kaip greitai buvo įdiegta technologija. Straipsnyje, kurį ji baigė rašyti su Benderiu ir dar penkiais žmonėmis, ji išsamiai išdėstė galimus pavojus. Modelius sukurti buvo nepaprastai brangu – tiek aplinkosaugos požiūriu (jiems reikia didžiulės skaičiavimo galios), tiek finansiškai; jie dažnai buvo mokomi apie toksišką ir įžeidžiančią interneto kalbą; ir jie pradėtų dominuoti kalbos AI tyrimuose, ieškodami daug žadančių alternatyvų.

Kaip ir kiti esami AI metodai, modeliai iš tikrųjų nesupranta kalbos. Tačiau kadangi jie gali juo manipuliuoti, kad gautų tekstinę informaciją vartotojams arba sukurtų natūralų pokalbį, jie gali būti supakuoti į produktus ir paslaugas, dėl kurių technologijų įmonės uždirba daug pinigų.

Tą lapkritį Gebru pateikė pranešimą konferencijai. Netrukus po to „Google“ vadovai paprašė jos atšaukti, o kai ji atsisakė, ją atleido. Po dviejų mėnesių jie taip pat atleido savo bendraautorė Margaret Mitchell , kitas etiško AI komandos vadovas.

Šios komandos išardymas sukėlė vieną didžiausių prieštaravimų AI pasaulyje pastaruoju metu. „Google“ gynėjai tvirtino, kad įmonė turi teisę prižiūrėti savo tyrėjus. Tačiau daugeliui kitų tai sustiprino baimes dėl technologijų milžinų dabar turimo lauko kontrolės lygio. „Big Tech“ dabar yra pagrindinis dirbtinio intelekto tyrėjų darbdavys ir finansuotojas, įskaitant, kiek ironiškai, daugelį tų, kurie vertina jos socialinį poveikį.

Susijusi istorija

Perskaitėme dokumentą, dėl kurio Timnitas Gebru buvo priverstas pasitraukti iš „Google“. Štai kas jame parašyta.

Bendrovės etikos žvaigždės tyrėjas pabrėžė didelių kalbų modelių, kurie yra labai svarbūs „Google“ verslui, riziką.

Tarp turtingiausių ir galingiausių pasaulio kompanijų „Google“, „Facebook“, „Amazon“, „Microsoft“ ir „Apple“ padarė dirbtinį intelektą pagrindine savo verslo dalimi. Pažanga per pastarąjį dešimtmetį, ypač AI technikos, vadinamos gilus mokymasis , leido jiems stebėti vartotojų elgesį; rekomenduoti jiems naujienas, informaciją ir produktus; ir, svarbiausia, nukreipkite juos naudodami skelbimus. Praėjusiais metais „Google“ reklamos aparatas uždirbo daugiau nei 140 mlrd. USD pajamų. „Facebook“ uždirbo 84 mlrd.

Įmonės daug investavo į technologijas, kurios atnešė joms tokį didžiulį turtą. „Google“ patronuojanti įmonė „Alphabet“ įsigijo Londone įsikūrusią AI laboratoriją DeepMind už 600 milijonų dolerių 2014 m. ir kasmet išleidžia šimtus milijonų savo tyrimams paremti. 2019 m. „Microsoft“ pasirašė 1 mlrd. USD vertės sutartį su „OpenAI“ dėl teisių į jos algoritmus komercializavimo.

Tuo pačiu metu technologijų gigantai tapo dideliais investuotojais į universitetuose atliekamus dirbtinio intelekto tyrimus, darydami didelę įtaką jų moksliniams prioritetams. Bėgant metams vis daugiau ambicingų mokslininkų perėjo dirbti technologijų milžinams visą darbo dieną arba perėmė dvigubą priklausomybę. Remiantis mokslininkų atliktu tyrimu, 2018–2019 m. 58 % dažniausiai cituojamų straipsnių dviejose geriausiose AI konferencijose buvo bent vienas autorius, susijęs su technologijų milžinu, o prieš dešimtmetį – tik 11 %. Radikalus AI tinklas , grupė, kuri siekia mesti iššūkį AI galios dinamikai.

Problema ta, kad įmonių dirbtinio intelekto darbotvarkė sutelkė dėmesį į technologijas, turinčias komercinį potencialą, iš esmės ignoruojant tyrimus, kurie galėtų padėti spręsti tokias problemas kaip ekonominė nelygybė ir klimato kaita. Tiesą sakant, tai dar labiau pablogino šiuos iššūkius. Noras automatizuoti užduotis kainavo daug darbo vietų ir paskatino nuobodų darbą, pvz., duomenų valymą ir turinio moderavimą. Dėl pastangų sukurti vis didesnius modelius dirbtinio intelekto energijos suvartojimas išaugo. Gilus mokymasis taip pat sukūrė kultūrą, kurioje mūsų duomenys nuolat renkami, dažnai be sutikimo, kad būtų galima išmokyti produktus, pvz., veido atpažinimo sistemas. O rekomendacijų algoritmai sustiprino politinę poliarizaciją, o dideli kalbų modeliai nesugebėjo išvalyti dezinformacijos.

Būtent šią situaciją Gebru ir augantis bendraminčių mokslininkų judėjimas nori pakeisti. Per pastaruosius penkerius metus jie siekė nukreipti šios srities prioritetus nuo paprasčiausio technologijų įmonių praturtinimo, plečiant, kas gali dalyvauti kuriant technologiją. Jų tikslas yra ne tik sumažinti esamų sistemų daromą žalą, bet ir sukurti naują, teisingesnę ir demokratiškesnę AI.

Sveiki iš Timnito

2015-ųjų gruodį Gebru sėdo parašyti atviro laiško. Įpusėjus savo daktaro laipsniui Stanforde, ji dalyvavo Neural Information Processing Systems konferencijoje, didžiausiame kasmetiniame DI tyrimų susirinkime. Iš daugiau nei 3700 tyrinėtojų Gebru suskaičiavo tik keletą juodaodžių.

Kadaise vykęs nedidelis susitikimas apie nišinį akademinį dalyką, NeurIPS (kaip dabar žinomas) greitai tapo didžiausia kasmetine DI darbo premija. Turtingiausios pasaulio įmonės ateidavo demonstruoti demonstracines versijas, surengti ekstravagantiškus vakarėlius ir išrašyti didelių čekių rečiausiiems Silicio slėnio žmonėms: įgudusiems dirbtinio intelekto tyrinėtojams.

Tais metais Elonas Muskas atvyko paskelbti apie ne pelno siekiančią įmonę OpenAI . Jis, tuometinis Y Combinator prezidentas Samas Altmanas ir „PayPal“ įkūrėjas Peteris Thielis skyrė 1 milijardą dolerių, kad išspręstų, jų manymu, egzistencinę problemą: perspektyvą, kad superintelektas vieną dieną gali užvaldyti pasaulį. Jų sprendimas: sukurti dar geresnį superintelektą. Iš 14 patarėjų ar techninės komandos narių, kuriuos jis patepė, 11 buvo baltieji vyrai.

RICARDO SANTOS | MANALINGA NUOTRAUKA

Kol Muskas buvo lionizuojamas, Gebru susidūrė su pažeminimu ir priekabiavimu. Konferencijos vakarėlyje grupė girtų vaikinų, vilkinčių „Google Research“ marškinėlius, apsupo ją ir nepageidaujamai apkabino, pabučiavo į skruostą ir padarė nuotrauką.

Gebru surašė aštriai kritikuojamą tai, ką ji pastebėjo: reginį, kultinį AI įžymybių garbinimą ir, svarbiausia, didžiulį homogeniškumą. Ši berniukų klubinė kultūra, rašė ji, jau išstūmė talentingas moteris iš lauko. Tai taip pat paskatino visą bendruomenę pavojingai siauros dirbtinio intelekto ir jo poveikio pasauliui sampratos link.

„Google“ jau buvo įdiegusi kompiuterinio matymo algoritmą, kuris juodaodžius priskyrė goriloms, pažymėjo ji. Vis labiau tobulėjant nepilotuojamiems bepiločiams bepiločiams bepiločiams bepiločiams orlaiviams, JAV kariškiai stojo prie mirtinų autonominių ginklų. Tačiau apie šias problemas nebuvo užsiminta didžiajame Musko plane, kaip sustabdyti AI nuo pasaulio užvaldymo pagal tam tikrą teorinį ateities scenarijų. Neturime projektuoti į ateitį, kad pamatytume galimą neigiamą AI poveikį, rašė Gebru. Tai jau vyksta.

Gebru niekada nepublikavo savo apmąstymų. Tačiau ji suprato, kad reikia kažką keisti. 2016 m. sausio 28 d. ji išsiuntė el. laišką su temos eilute Hello from Timnit penkiems kitiems Black AI tyrėjams. Man visada buvo liūdna dėl AI spalvų trūkumo, rašė ji. Bet dabar aš mačiau jus 5 :) ir pagalvojau, kad būtų šaunu, jei įkurtume juodaodį AI grupėje ar bent žinotume vienas kitą.

Laiškas paskatino diskusiją. Kas buvo juodaodis, dėl kurio jie tyrė? Gebru jos darbas buvo jos tapatybės produktas; kitiems to nebuvo. Tačiau po susitikimo jie susitarė: jei AI vaidins didesnį vaidmenį visuomenėje, jiems reikia daugiau juodaodžių tyrinėtojų. Priešingu atveju ši sritis sukurs silpnesnį mokslą, o jo neigiamos pasekmės gali pablogėti.

Į pelną orientuota darbotvarkė

Kaip Juoda AI tik pradėjo susijungti, AI pasiekė savo komercinę pažangą. „McKinsey Global Institute“ duomenimis, tais metais, 2016 m., technologijų gigantai išleido apie 20–30 mlrd.

Įkaitinta įmonių investicijų, laukas iškrypo. Dar tūkstančiai tyrėjų pradėjo tyrinėti dirbtinį intelektą, tačiau jie dažniausiai norėjo dirbti su gilaus mokymosi algoritmais, tokiais kaip dideli kalbos modeliai. Būdamas jaunas doktorantas, norintis įsidarbinti technologijų įmonėje, supranti, kad technologijų įmonės yra susijusios su giliu mokymusi, sako Sureshas Venkatasubramanianas, informatikos profesorius, dabar dirbantis Baltųjų rūmų mokslo ir technologijų politikos biure. Taigi visus savo tyrimus perkeliate į gilų mokymąsi. Tada ateinantis doktorantas apsidairo ir sako: „Visi giliai mokosi. Tikriausiai turėčiau tai padaryti.

Tačiau gilus mokymasis nėra vienintelė technika šioje srityje. Prieš klestėjimą AI buvo kitoks, žinomas kaip simbolinis samprotavimas. Kadangi giluminis mokymasis naudoja didžiulius duomenų kiekius, kad išmokytų algoritmų apie prasmingus informacijos ryšius, simboliniai samprotavimai yra skirti aiškiai užkoduoti žinias ir logiką, pagrįstą žmogaus patirtimi.

Kai kurie tyrinėtojai dabar mano, kad šie metodai turėtų būti derinami. Taikant hibridinį metodą, dirbtinis intelektas būtų veiksmingesnis naudojant duomenis ir energiją, suteiktų eksperto žinių ir samprotavimo gebėjimų, taip pat gebėjimo atnaujinti save nauja informacija. Tačiau įmonės turi mažai paskatų ieškoti alternatyvių metodų, kai patikimiausias būdas padidinti pelną yra kurti vis didesnius modelius.

Savo darbe Gebru ir Bender užsiminė apie pagrindinę šios tendencijos laikytis gilaus mokymosi kainą: mums reikalingos pažangesnės AI sistemos nėra kuriamos, o panašios problemos nuolat kartojasi. Pavyzdžiui, „Facebook“ automatizuotam turinio moderavimui labai priklauso nuo didelių kalbų modelių. Tačiau iš tikrųjų nesuvokdami teksto prasmės, tie modeliai dažnai žlunga. Jie reguliariai pašalina nekenksmingus įrašus, o neapykantą kursta ir skelbia klaidingą informaciją.

AI pagrįstos veido atpažinimo sistemos kenčia nuo tos pačios problemos. Jie yra išmokyti naudotis didžiuliu duomenų kiekiu, tačiau mato tik pikselių raštus – jie nesuvokia tokių vizualinių sąvokų kaip akys, burna ir nosis. Tai gali sugadinti šias sistemas, kai jos naudojamos asmenims, kurių odos atspalvis skiriasi nuo žmonių, kuriems buvo parodyta treniruočių metu. Nepaisant to, „Amazon“ ir kitos bendrovės pardavė šias sistemas teisėsaugai. JAV jie sukėlė tris žinomus atvejus, kai policija per pastaruosius metus įkalino netinkamą asmenį – visus juodaodžius.

Daugelį metų daugelis dirbtinio intelekto bendruomenės narių iš esmės sutiko su Big Tech vaidmeniu formuojant šių technologijų plėtrą ir poveikį. Nors kai kurie išreiškė nepasitenkinimą dėl įmonės perėmimo, daugelis kitų džiaugėsi, kad pramonė gaus pakankamai lėšų.

Tačiau kai šiandienos dirbtinio intelekto trūkumai tapo akivaizdesni – tiek nesugebėjimas išspręsti socialinių problemų, tiek daugėja pavyzdžių, kad jis gali jas paaštrinti – tikėjimas Big Tech susilpnėjo. Tai, kad „Google“ pašalino Gebru ir Mitchell, dar labiau paskatino diskusiją, nes paaiškėjo, kiek įmonės pirmenybę teiks pelnui, o ne savikontrolei.

Iškart po to daugiau nei 2 600 „Google“ darbuotojų ir 4 300 kitų pasirašė peticiją, smerkiančią Gebru atleidimą kaip precedento neturinčią mokslinių tyrimų cenzūrą. Praėjus pusmečiui, tyrimų grupės vis dar atmeta įmonės finansavimą, mokslininkai atsisako dalyvauti konferencijose, o darbuotojai protestuodami išeina.

Skirtingai nei prieš penkerius metus, kai Gebru pradėjo kelti šiuos klausimus, dabar yra nusistovėjęs judėjimas, klausiantis, kas turėtų būti AI ir kam jis turėtų tarnauti. Tai nėra atsitiktinumas. Tai yra paties Gebru iniciatyvos, kuri prasidėjo paprastu veiksmu pakviečiant daugiau juodaodžių tyrinėtojų į šią sritį, rezultatas.

Tam reikia konferencijos

2017 m. gruodžio mėn. naujoji Black in AI grupė surengė savo pirmąjį seminarą NeurIPS. Organizuodamas seminarą Gebru kreipėsi į Joy Buolamwini, MIT Media Lab tyrėją, kuris tyrė komercines veido atpažinimo sistemas dėl galimo šališkumo. Buolamwini pradėjo testuoti šias sistemas po to, kai nepavyko aptikti jos pačios veido, nebent ji užsidėjo baltą kaukę. Ji seminarui pateikė savo preliminarius rezultatus.

Kita ankstyvoji dalyvė buvo Deborah Raji, tuomet bakalauro studijų tyrėja. Radži buvo pasibaisėjusi kultūra, kurią ji stebėjo NeurIPS. Seminaras tapo jos atokvėpiu. Ji sako, kad nuo keturių ar penkių to dienų iki visos dienos žmonių, panašių į mane, kalbančių apie sėkmę šioje erdvėje – man tai buvo toks svarbus paskatinimas.

Buolamwini, Raji ir Gebru toliau dirbs kartu atlikdami keletą novatoriškų tyrimų apie diskriminacines kompiuterinio matymo sistemas. Buolamwini ir Gebru bendraautoriai Lyties atspalviai , kuris parodė, kad „Microsoft“, IBM ir Kinijos technologijų milžinės „Megvii“ parduodamos veido atpažinimo sistemos turėjo nepaprastai didelį juodaodžių moterų gedimų skaičių, nepaisant beveik tobulo baltųjų vyrų veikimo. Tada Raji ir Buolamwini bendradarbiavo rengdami tolesnę veiklą Veiksmingas auditas , kuris nustatė, kad tas pats pasakytina ir apie „Amazon's Rekognition“. 2020 m. „Amazon“ sutiktų a vienerių metų policijos pardavimo moratoriumas savo produkto, iš dalies dėl to darbo.

Susijusi istorija

Pradėjau verkti: Timnit Gebru paskutinės dienos „Google“ ir kas nutiks toliau .

Vis dėlto pirmame Black in AI seminare šios sėkmės buvo tolimos galimybės. Nebuvo jokios kitos darbotvarkės, kaip tik kurti bendruomenę ir atlikti mokslinius tyrimus, pagrįstus jų labai trūkstamomis perspektyvomis. Daugelis žiūrovų nesuprato, kodėl tokiai grupei reikia egzistuoti. Gebru prisimena kai kurių AI bendruomenės atmestinus komentarus. Tačiau kitiems Black in AI nurodė naują kelią į priekį.

Tai pasakytina apie Williamą Agnewą ir Raphaelį Gontijo Lopesą, abu keistus vyrus, atliekančius kompiuterių mokslo tyrimus, kurie suprato, kad gali sudaryti AI grupę Queer. (Kitos susiformavusios grupės yra lotynų kalba AI, {Dis}Ability in AI ir musulmonai ML.) Ypač Agnew nuomone, tokia bendruomenė buvo skubiai reikalinga. Sunku buvo net įsivaizduoti, kad gyvenu laimingą gyvenimą, – sako jis, apmąstydamas keistų pavyzdžių šioje srityje trūkumą. Yra Turingas, bet jis nusižudė. Taigi tai slegia. O keistoji jo dalis tiesiog ignoruojama.

Ne visi giminystės grupės nariai mato ryšį tarp savo tapatybės ir tyrimų. Vis dėlto kiekviena grupė turi tam tikrų žinių. „Black in AI“ tapo intelektualiu algoritminės diskriminacijos atskleidimo, stebėjimo kritikos ir duomenų efektyvumo AI metodų kūrimo centru. „Quer in AI“ tapo centru, kuriame ginčijami būdai, kaip algoritmai pažeidžia žmonių privatumą, ir pagal numatytuosius nustatymus klasifikuojami į ribotas kategorijas.

Venkatasubramanianas ir Gebru taip pat padėjo sukurti sąžiningumo, atskaitomybės ir skaidrumo (FAccT) konferenciją, kad sukurtų forumą DI socialinių ir politinių pasekmių tyrimams. Idėjos ir straipsnių projektai, aptarti NeurIPS afiniteto grupės seminaruose, dažnai tampa FAccT publikuojamų straipsnių pagrindu, kurie vėliau pristato tyrimus platesnei auditorijai.

Pavyzdžiui, po to, kai Buolamwini pristatė pirmąjį „Black in AI“ seminarą, FAccT paskelbė „Gender Shades“. Kartu su veiksmingu auditu jis paskatino keletą pagrindinių švietimo ir propagavimo kampanijų, skirtų apriboti vyriausybės naudojimąsi veido atpažinimo funkcija. Kai „Amazon“ bandė pakenkti Buolamwini ir Radži tyrimų teisėtumui, dešimtys AI tyrėjų ir pilietinės visuomenės organizacijų susivienijo, kad juos apgintų, numatydami, ką jie vėliau padarys dėl Gebru. Šios pastangos galiausiai prisidėjo prie „Amazon“ moratoriumo, kuris gegužę paskelbė, kad jis bus pratęstas neribotam laikui.

Tyrimas taip pat pradėjo reguliavimo kaskadą. Daugiau nei tuzinas miestų uždraudė policijai naudoti veido atpažinimo funkciją, o Masačusetsas dabar reikalauja, kad policija gautų teisėjo leidimą jį naudoti. Tiek JAV, tiek Europos Komisija pasiūlė papildomą reguliavimą.

Pirmiausia turėjome tiesiog būti ten, sako Gebru. Ir tam tikru momentu tai, ką sako Black in AI, tampa svarbu. Ir tai, ką visos šios grupės kartu sako, tampa svarbu. Dabar turite mūsų klausytis.

Sekite pinigus

Po Gebru ir Mitchello atleidimo laukas vėl grumiasi su senu klausimu: ar įmanoma pakeisti status quo dirbant iš vidaus? Gebru vis dar mano, kad darbas su technologijų milžinais yra geriausias būdas nustatyti problemas. Tačiau ji taip pat mano, kad įmonių mokslininkams reikia stipresnės teisinės apsaugos. Jei jie mato rizikingą praktiką, jie turėtų turėti galimybę viešai pasidalyti savo pastebėjimais nekeldami pavojaus savo karjerai.

Tada kyla finansavimo klausimas. Daugelis tyrėjų nori daugiau JAV vyriausybės investicijų, skirtų remti darbus, kurie yra labai svarbūs komercinei AI plėtrai ir skatina visuomenės gerovę. Praėjusiais metais ji skyrė 1 milijardą dolerių su gynyba nesusijusiems dirbtinio intelekto tyrimams. Bideno administracija dabar prašo Kongreso investuoti papildomus 180 milijardų JAV dolerių į naujas technologijas, o AI yra pagrindinis prioritetas.

Toks finansavimas galėtų padėti žmonėms patinka Abebe grįš , Kalifornijos universiteto Berklio informatikos profesoriaus asistentas. Abebe, kuris taip pat buvo vienas iš Black in AI įkūrėjų, atėjo į dirbtinį intelektą turėdamas idėjų, kaip jį panaudoti socialinei lygybei skatinti. Tačiau kai ji pradėjo studijuoti doktorantūroje Kornelyje, niekas nebuvo susitelkęs į tokius tyrimus.

2016 m. rudenį, būdama doktorantė, ji įkūrė nedidelę Kornelio skaitymo grupę su kolega absolventu, kad studijuotų tokias temas kaip būsto nestabilumas, sveikatos priežiūros prieinamumas ir nelygybė. Tada ji pradėjo naują projektą, siekdama išsiaiškinti, ar jos skaičiavimo įgūdžiai gali padėti sumažinti skurdą.

Galiausiai ji rado Poverty Tracker tyrimą – išsamų duomenų rinkinį apie finansinius sukrėtimus – netikėtas išlaidas, tokias kaip medicininės sąskaitos ar automobilių stovėjimo bilietai –, kuriuos patyrė daugiau nei 2000 Niujorko šeimų. Daugelyje pokalbių su tyrimo autoriais, socialiniais darbuotojais ir ne pelno organizacijomis, aptarnaujančiomis marginalines bendruomenes, ji sužinojo apie jų poreikius ir papasakojo, kaip galėtų padėti. Tada Abebe sukūrė modelį, kuris parodė, kaip sukrėtimų dažnis ir tipas paveikė šeimos ekonominę būklę.

Po penkerių metų projektas vis dar tęsiasi. Dabar ji bendradarbiauja su ne pelno siekiančiomis organizacijomis, kad patobulintų savo modelį, ir bendradarbiauja su politikos formuotojais Kalifornijos politikos laboratorijoje, kad naudotų jį kaip benamystės prevencijos įrankį. Jos skaitymo grupė nuo to laiko taip pat išaugo į 2000 žmonių bendruomenę ir vėliau šiais metais rengia savo įžanginę konferenciją.

Abebe mano, kad tai būdas paskatinti daugiau tyrėjų keisti AI normas. Nors tradicinėse informatikos konferencijose pabrėžiamas skaičiavimo metodų tobulinimas siekiant tai padaryti, naujojoje bus paskelbtas darbas, kuriuo pirmiausia siekiama giliai suprasti socialinę problemą. Darbas yra ne mažiau techninis, tačiau jis sukuria pagrindą socialiai reikšmingesniam AI atsiradimui.

Ji sako, kad šie pokyčiai, už kuriuos kovojame, – tai ne tik marginalizuotoms grupėms. Tai iš tikrųjų visiems.

paslėpti