History

leestott a12f5d4c2d 🌐 Update translations via Co-op Translator		4 months ago
..
README.md	🌐 Update translations via Co-op Translator	4 months ago
assignment.md	🌐 Update translations via Co-op Translator	5 months ago

README.md

Unescape Escape

مقدمة إلى أخلاقيات البيانات


أخلاقيات علم البيانات - رسم توضيحي من @nitya

نحن جميعًا مواطنون في عالم مليء بالبيانات.

تشير اتجاهات السوق إلى أنه بحلول عام 2022، ستقوم واحدة من كل ثلاث مؤسسات كبيرة بشراء وبيع بياناتها عبر الأسواق والمنصات الإلكترونية. كـ مطوري تطبيقات، سنجد أنه من الأسهل والأرخص دمج الرؤى المستندة إلى البيانات والأتمتة المدفوعة بالخوارزميات في تجارب المستخدم اليومية. ولكن مع انتشار الذكاء الاصطناعي، سنحتاج أيضًا إلى فهم الأضرار المحتملة الناتجة عن تسليح هذه الخوارزميات على نطاق واسع.

تشير الاتجاهات إلى أنه بحلول عام 2025، سنقوم بإنتاج واستهلاك أكثر من 180 زيتابايت من البيانات. بالنسبة لـ علماء البيانات، يوفر هذا الانفجار في المعلومات وصولًا غير مسبوق إلى البيانات الشخصية والسلوكية. ومع ذلك، تأتي معه القدرة على بناء ملفات تعريف مفصلة للمستخدمين والتأثير بشكل خفي على اتخاذ القرارات - غالبًا بطرق تعزز وهم الاختيار الحر. بينما يمكن استخدام ذلك لتوجيه المستخدمين نحو نتائج مفضلة، فإنه يثير أيضًا أسئلة حاسمة حول خصوصية البيانات، الاستقلالية، والحدود الأخلاقية لتأثير الخوارزميات.

أصبحت أخلاقيات البيانات الآن حواجز ضرورية لعلم البيانات والهندسة، مما يساعدنا على تقليل الأضرار المحتملة والعواقب غير المقصودة الناتجة عن أفعالنا المدفوعة بالبيانات. يحدد دورة الضجيج للذكاء الاصطناعي من Gartner الاتجاهات ذات الصلة في الأخلاقيات الرقمية، الذكاء الاصطناعي المسؤول، وحوكمة الذكاء الاصطناعي كعوامل رئيسية للاتجاهات الكبرى حول دمقرطة و تصنيع الذكاء الاصطناعي.

في هذه الدرس، سنستكشف المجال المثير لأخلاقيات البيانات - بدءًا من المفاهيم الأساسية والتحديات، إلى دراسات الحالة والمفاهيم التطبيقية للذكاء الاصطناعي مثل الحوكمة - التي تساعد في إنشاء ثقافة أخلاقية داخل الفرق والمؤسسات التي تعمل مع البيانات والذكاء الاصطناعي.

اختبار ما قبل المحاضرة 🎯

التعريفات الأساسية

لنبدأ بفهم المصطلحات الأساسية.

كلمة "أخلاقيات" تأتي من الكلمة اليونانية "ethikos" (وجذرها "ethos") التي تعني الطبيعة الأخلاقية أو الشخصية.

الأخلاقيات تتعلق بالقيم المشتركة والمبادئ الأخلاقية التي تحكم سلوكنا في المجتمع. الأخلاقيات لا تستند إلى القوانين بل إلى المعايير المقبولة عمومًا لما هو "صحيح مقابل خطأ". ومع ذلك، يمكن أن تؤثر الاعتبارات الأخلاقية على مبادرات الحوكمة المؤسسية واللوائح الحكومية التي تخلق المزيد من الحوافز للامتثال.

أخلاقيات البيانات هي فرع جديد من الأخلاقيات يدرس ويقيم المشكلات الأخلاقية المتعلقة بـ البيانات، الخوارزميات والممارسات المرتبطة بها. هنا، "البيانات" تركز على الإجراءات المتعلقة بإنشاء، تسجيل، تنظيم، معالجة، نشر، مشاركة، واستخدام البيانات، "الخوارزميات" تركز على الذكاء الاصطناعي، الوكلاء، التعلم الآلي، والروبوتات، و**"الممارسات"** تركز على موضوعات مثل الابتكار المسؤول، البرمجة، القرصنة، ومدونات الأخلاقيات.

الأخلاقيات التطبيقية هي التطبيق العملي للاعتبارات الأخلاقية. إنها عملية التحقيق النشط في القضايا الأخلاقية في سياق الإجراءات، المنتجات والعمليات الواقعية، واتخاذ الإجراءات التصحيحية لضمان توافقها مع قيمنا الأخلاقية المحددة.

ثقافة الأخلاقيات تتعلق بـ تفعيل الأخلاقيات التطبيقية للتأكد من أن مبادئنا وممارساتنا الأخلاقية يتم تبنيها بطريقة متسقة وقابلة للتوسع عبر المؤسسة بأكملها. ثقافات الأخلاقيات الناجحة تحدد مبادئ أخلاقية على مستوى المؤسسة، توفر حوافز ذات معنى للامتثال، وتعزز معايير الأخلاقيات من خلال تشجيع وتضخيم السلوكيات المرغوبة على جميع مستويات المؤسسة.

مفاهيم الأخلاقيات

في هذا القسم، سنناقش مفاهيم مثل القيم المشتركة (المبادئ) والتحديات الأخلاقية (المشكلات) لأخلاقيات البيانات - وسنستكشف دراسات حالة تساعدك على فهم هذه المفاهيم في سياقات واقعية.

1. مبادئ الأخلاقيات

كل استراتيجية لأخلاقيات البيانات تبدأ بتحديد المبادئ الأخلاقية - "القيم المشتركة" التي تصف السلوكيات المقبولة، وتوجه الإجراءات المتوافقة، في مشاريعنا المتعلقة بالبيانات والذكاء الاصطناعي. يمكنك تحديد هذه المبادئ على مستوى الفرد أو الفريق. ومع ذلك، فإن معظم المؤسسات الكبيرة تحددها في بيان مهمة أو إطار عمل للذكاء الاصطناعي الأخلاقي يتم تحديده على مستوى المؤسسة ويتم تطبيقه بشكل متسق عبر جميع الفرق.

مثال: بيان مهمة الذكاء الاصطناعي المسؤول من Microsoft يقول: "نحن ملتزمون بتطوير الذكاء الاصطناعي بناءً على مبادئ أخلاقية تضع الناس في المقام الأول" - مع تحديد 6 مبادئ أخلاقية في الإطار أدناه:

دعونا نستعرض هذه المبادئ بإيجاز. الشفافية و_المساءلة_ هما قيم أساسية تُبنى عليها المبادئ الأخرى - لذا دعونا نبدأ بهما:

المساءلة تجعل الممارسين مسؤولين عن عملياتهم المتعلقة بالبيانات والذكاء الاصطناعي، وعن الامتثال لهذه المبادئ الأخلاقية.
الشفافية تضمن أن تكون الإجراءات المتعلقة بالبيانات والذكاء الاصطناعي مفهومة (قابلة للتفسير) للمستخدمين، مع شرح ما وراء القرارات.
الإنصاف - يركز على ضمان أن يعامل الذكاء الاصطناعي جميع الأشخاص بإنصاف، ومعالجة أي تحيزات اجتماعية أو تقنية ضمن البيانات والنظم.
الموثوقية والسلامة - تضمن أن يتصرف الذكاء الاصطناعي بثبات وفقًا للقيم المحددة، مع تقليل الأضرار المحتملة أو العواقب غير المقصودة.
الخصوصية والأمان - تتعلق بفهم مصدر البيانات، وتوفير خصوصية البيانات والحماية ذات الصلة للمستخدمين.
الشمولية - تتعلق بتصميم حلول الذكاء الاصطناعي بنية واضحة، وتكييفها لتلبية مجموعة واسعة من احتياجات وقدرات البشر.

🚨 فكر في ما يمكن أن يكون بيان مهمتك لأخلاقيات البيانات. استكشف أطر عمل الذكاء الاصطناعي الأخلاقي من مؤسسات أخرى - إليك أمثلة من IBM، Google، وFacebook. ما هي القيم المشتركة التي لديهم؟ كيف ترتبط هذه المبادئ بمنتج الذكاء الاصطناعي أو الصناعة التي يعملون فيها؟

2. تحديات الأخلاقيات

بمجرد تحديد المبادئ الأخلاقية، الخطوة التالية هي تقييم أفعالنا المتعلقة بالبيانات والذكاء الاصطناعي لمعرفة ما إذا كانت تتماشى مع تلك القيم المشتركة. فكر في أفعالك ضمن فئتين: جمع البيانات و_تصميم الخوارزميات_.

في جمع البيانات، قد تتضمن الأفعال البيانات الشخصية أو معلومات التعريف الشخصية (PII) للأفراد. يشمل ذلك عناصر متنوعة من البيانات غير الشخصية التي تحدد الفرد بشكل جماعي. يمكن أن تتعلق التحديات الأخلاقية بـ خصوصية البيانات، ملكية البيانات، وموضوعات ذات صلة مثل الموافقة المستنيرة و_حقوق الملكية الفكرية_ للمستخدمين.

في تصميم الخوارزميات، ستتضمن الأفعال جمع وتنظيم مجموعات البيانات، ثم استخدامها لتدريب ونشر نماذج البيانات التي تتنبأ بالنتائج أو تؤتمت القرارات في سياقات واقعية. يمكن أن تنشأ التحديات الأخلاقية من تحيز مجموعة البيانات، مشكلات جودة البيانات، عدم الإنصاف، و_التشويه_ في الخوارزميات - بما في ذلك بعض القضايا التي تكون منهجية بطبيعتها.

في كلا الحالتين، تسلط تحديات الأخلاقيات الضوء على المناطق التي قد تواجه فيها أفعالنا تعارضًا مع قيمنا المشتركة. للكشف عن هذه المخاوف، التخفيف منها، تقليلها، أو القضاء عليها - نحتاج إلى طرح أسئلة أخلاقية "نعم/لا" تتعلق بأفعالنا، ثم اتخاذ إجراءات تصحيحية حسب الحاجة. دعونا نلقي نظرة على بعض التحديات الأخلاقية والأسئلة الأخلاقية التي تثيرها:

2.1 ملكية البيانات

غالبًا ما يتضمن جمع البيانات بيانات شخصية يمكن أن تحدد موضوعات البيانات. ملكية البيانات تتعلق بـ التحكم وحقوق المستخدمين المتعلقة بإنشاء، معالجة، ونشر البيانات.

الأسئلة الأخلاقية التي نحتاج إلى طرحها هي:

من يملك البيانات؟ (المستخدم أم المؤسسة)
ما هي حقوق موضوعات البيانات؟ (مثل: الوصول، الحذف، النقل)
ما هي حقوق المؤسسات؟ (مثل: تصحيح المراجعات الضارة للمستخدمين)

2.2 الموافقة المستنيرة

الموافقة المستنيرة تعني موافقة المستخدمين على إجراء معين (مثل جمع البيانات) مع فهم كامل للحقائق ذات الصلة بما في ذلك الهدف، المخاطر المحتملة، والبدائل.