History

leestott 264ebcc9fd 🌐 Update translations via Co-op Translator		2 weeks ago
..
README.md	🌐 Update translations via Co-op Translator	2 weeks ago
assignment.md	🌐 Update translations via Co-op Translator	3 weeks ago

README.md

Pengenalan kepada Etika Data


Etika Sains Data - Sketchnote oleh @nitya

Kita semua adalah warganegara data yang hidup dalam dunia yang dipenuhi data.

Trend pasaran menunjukkan bahawa menjelang 2022, 1-dalam-3 organisasi besar akan membeli dan menjual data mereka melalui Pasaran dan Pertukaran dalam talian. Sebagai Pembangun Aplikasi, kita akan mendapati lebih mudah dan murah untuk mengintegrasikan pandangan berasaskan data dan automasi berasaskan algoritma ke dalam pengalaman pengguna harian. Tetapi apabila AI menjadi semakin meluas, kita juga perlu memahami potensi bahaya yang disebabkan oleh penggunaan algoritma secara salah pada skala besar.

Trend juga menunjukkan bahawa kita akan mencipta dan menggunakan lebih daripada 180 zettabait data menjelang 2025. Sebagai Saintis Data, ini memberikan kita akses yang belum pernah terjadi sebelumnya kepada data peribadi. Ini bermakna kita boleh membina profil tingkah laku pengguna dan mempengaruhi pengambilan keputusan dengan cara yang mencipta ilusi pilihan bebas sambil mungkin mendorong pengguna ke arah hasil yang kita kehendaki. Ia juga menimbulkan persoalan yang lebih luas mengenai privasi data dan perlindungan pengguna.

Etika data kini menjadi pengawal selia yang diperlukan untuk sains data dan kejuruteraan, membantu kita meminimumkan potensi bahaya dan akibat yang tidak diingini daripada tindakan berasaskan data kita. Gartner Hype Cycle untuk AI mengenal pasti trend berkaitan dalam etika digital, AI yang bertanggungjawab, dan tadbir urus AI sebagai pemacu utama untuk megatrend yang lebih besar seperti pendemokrasian dan perindustrian AI.

Dalam pelajaran ini, kita akan meneroka bidang etika data yang menarik - daripada konsep dan cabaran asas, kepada kajian kes dan konsep AI yang diterapkan seperti tadbir urus - yang membantu mewujudkan budaya etika dalam pasukan dan organisasi yang bekerja dengan data dan AI.

Kuiz pra-kuliah 🎯

Definisi Asas

Mari kita mulakan dengan memahami istilah asas.

Perkataan "etika" berasal daripada perkataan Yunani "ethikos" (dan akarnya "ethos") yang bermaksud sifat watak atau moral.

Etika adalah mengenai nilai bersama dan prinsip moral yang mengawal tingkah laku kita dalam masyarakat. Etika tidak berdasarkan undang-undang tetapi pada norma yang diterima secara meluas tentang apa yang "betul vs. salah". Walau bagaimanapun, pertimbangan etika boleh mempengaruhi inisiatif tadbir urus korporat dan peraturan kerajaan yang mencipta lebih banyak insentif untuk pematuhan.

Etika Data adalah cabang baru etika yang "mengaji dan menilai masalah moral berkaitan data, algoritma dan amalan yang berkaitan". Di sini, "data" memberi tumpuan kepada tindakan berkaitan penjanaan, rakaman, kurasi, pemprosesan, penyebaran, perkongsian, dan penggunaan, "algoritma" memberi tumpuan kepada AI, agen, pembelajaran mesin, dan robot, dan "amalan" memberi tumpuan kepada topik seperti inovasi bertanggungjawab, pengaturcaraan, penggodaman, dan kod etika.

Etika Terapan adalah aplikasi praktikal pertimbangan moral. Ia adalah proses menyiasat secara aktif isu etika dalam konteks tindakan, produk, dan proses dunia nyata, dan mengambil langkah pembetulan untuk memastikan bahawa ini kekal sejajar dengan nilai etika yang telah ditetapkan.

Budaya Etika adalah tentang mengoperasikan etika terapan untuk memastikan bahawa prinsip dan amalan etika kita diterima pakai secara konsisten dan boleh diskalakan di seluruh organisasi. Budaya etika yang berjaya mentakrifkan prinsip etika di seluruh organisasi, menyediakan insentif yang bermakna untuk pematuhan, dan mengukuhkan norma etika dengan menggalakkan dan memperkuat tingkah laku yang diingini di setiap peringkat organisasi.

Konsep Etika

Dalam bahagian ini, kita akan membincangkan konsep seperti nilai bersama (prinsip) dan cabaran etika (masalah) untuk etika data - dan meneroka kajian kes yang membantu anda memahami konsep ini dalam konteks dunia nyata.

1. Prinsip Etika

Setiap strategi etika data bermula dengan mentakrifkan prinsip etika - "nilai bersama" yang menerangkan tingkah laku yang boleh diterima, dan membimbing tindakan yang mematuhi, dalam projek data & AI kita. Anda boleh mentakrifkan ini di peringkat individu atau pasukan. Walau bagaimanapun, kebanyakan organisasi besar menggariskan ini dalam pernyataan misi atau rangka kerja AI etika yang ditakrifkan di peringkat korporat dan dikuatkuasakan secara konsisten di semua pasukan.

Contoh: Pernyataan misi AI Bertanggungjawab Microsoft berbunyi: "Kami komited kepada kemajuan AI yang didorong oleh prinsip etika yang meletakkan manusia di tempat pertama" - mengenal pasti 6 prinsip etika dalam rangka kerja di bawah:

Mari kita terokai prinsip-prinsip ini secara ringkas. Ketelusan dan akauntabiliti adalah nilai asas yang menjadi asas kepada prinsip lain - jadi mari kita mulakan di sana:

Akauntabiliti menjadikan pengamal bertanggungjawab untuk operasi data & AI mereka, dan pematuhan kepada prinsip etika ini.
Ketelusan memastikan bahawa tindakan data dan AI difahami (boleh ditafsirkan) oleh pengguna, menerangkan apa dan mengapa di sebalik keputusan.
Keadilan - memberi tumpuan kepada memastikan AI melayan semua orang secara adil, menangani sebarang bias sosio-teknikal sistemik atau tersirat dalam data dan sistem.
Kebolehpercayaan & Keselamatan - memastikan bahawa AI berkelakuan konsisten dengan nilai yang ditakrifkan, meminimumkan potensi bahaya atau akibat yang tidak diingini.
Privasi & Keselamatan - adalah tentang memahami asal-usul data, dan menyediakan privasi data dan perlindungan berkaitan kepada pengguna.
Keterangkuman - adalah tentang mereka bentuk penyelesaian AI dengan niat, menyesuaikannya untuk memenuhi pelbagai keperluan dan keupayaan manusia.

🚨 Fikirkan tentang apa yang boleh menjadi pernyataan misi etika data anda. Terokai rangka kerja AI etika daripada organisasi lain - berikut adalah contoh daripada IBM, Google, dan Facebook. Apakah nilai bersama yang mereka miliki? Bagaimana prinsip ini berkaitan dengan produk AI atau industri yang mereka ceburi?

2. Cabaran Etika

Setelah kita mentakrifkan prinsip etika, langkah seterusnya adalah menilai tindakan data dan AI kita untuk melihat sama ada ia selaras dengan nilai bersama tersebut. Fikirkan tentang tindakan anda dalam dua kategori: pengumpulan data dan reka bentuk algoritma.

Dalam pengumpulan data, tindakan mungkin melibatkan data peribadi atau maklumat yang boleh dikenal pasti secara peribadi (PII) untuk individu yang boleh dikenal pasti. Ini termasuk pelbagai item data bukan peribadi yang secara kolektif mengenal pasti individu. Cabaran etika boleh berkaitan dengan privasi data, pemilikan data, dan topik berkaitan seperti persetujuan yang dimaklumkan dan hak harta intelek untuk pengguna.

Dalam reka bentuk algoritma, tindakan akan melibatkan pengumpulan & kurasi set data, kemudian menggunakannya untuk melatih & menggunakan model data yang meramalkan hasil atau mengautomasikan keputusan dalam konteks dunia nyata. Cabaran etika boleh timbul daripada bias set data, isu kualiti data, ketidakadilan, dan salah tafsir dalam algoritma - termasuk beberapa isu yang bersifat sistemik.

Dalam kedua-dua kes, cabaran etika menyerlahkan kawasan di mana tindakan kita mungkin bertentangan dengan nilai bersama kita. Untuk mengesan, mengurangkan, meminimumkan, atau menghapuskan kebimbangan ini - kita perlu bertanya soalan moral "ya/tidak" berkaitan tindakan kita, kemudian mengambil tindakan pembetulan yang diperlukan. Mari kita lihat beberapa cabaran etika dan soalan moral yang mereka timbulkan:

2.1 Pemilikan Data

Pengumpulan data sering melibatkan data peribadi yang boleh mengenal pasti subjek data. Pemilikan data adalah tentang kawalan dan hak pengguna berkaitan penciptaan, pemprosesan, dan penyebaran data.

Soalan moral yang perlu kita tanya ialah:

Siapa pemilik data? (pengguna atau organisasi)
Hak apa yang dimiliki oleh subjek data? (contoh: akses, pemadaman, kebolehangkutan)
Hak apa yang dimiliki oleh organisasi? (contoh: membetulkan ulasan pengguna yang berniat jahat)

2.2 Persetujuan Dimaklumkan

Persetujuan dimaklumkan mentakrifkan tindakan pengguna bersetuju dengan tindakan (seperti pengumpulan data) dengan pemahaman penuh tentang fakta yang relevan termasuk tujuan, risiko yang berpotensi, dan alternatif.