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

Pengenalan kepada Etika Data


Etika Sains Data - Sketchnote oleh @nitya

Kita semua adalah warga 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 senjata algoritma tersebut pada skala besar.

Trend menunjukkan bahawa menjelang 2025, kita akan menghasilkan dan menggunakan lebih daripada 180 zettabyte data. Bagi Saintis Data, letusan maklumat ini memberikan akses yang belum pernah terjadi sebelumnya kepada data peribadi dan tingkah laku. Dengan ini datang kuasa untuk membina profil pengguna yang terperinci dan mempengaruhi pengambilan keputusan secara halus—sering kali dengan cara yang mencipta ilusi pilihan bebas. Walaupun ini boleh digunakan untuk mendorong pengguna ke arah hasil yang diingini, ia juga menimbulkan persoalan kritikal tentang privasi data, autonomi, dan batasan etika pengaruh algoritma.

Etika data kini menjadi panduan 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 yang relevan dalam etika digital, AI yang bertanggungjawab, dan tadbir urus AI sebagai pemacu utama untuk megatrend yang lebih besar seperti demokratisasi dan perindustrian AI.

Dalam pelajaran ini, kita akan meneroka bidang menarik etika data - daripada konsep asas dan cabaran, 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 watak atau sifat moral.

Etika adalah tentang nilai-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 mewujudkan lebih banyak insentif untuk pematuhan.

Etika Data adalah cabang baru etika yang "mengaji dan menilai masalah moral yang berkaitan dengan data, algoritma dan amalan yang berkaitan". Di sini, "data" memberi tumpuan kepada tindakan yang berkaitan dengan 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 yang 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 ia kekal selaras dengan nilai etika yang telah ditentukan.

Budaya Etika adalah tentang mengoperasikan etika terapan untuk memastikan bahawa prinsip dan amalan etika kita diterima 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 kenyataan misi atau rangka kerja AI etika yang ditakrifkan di peringkat korporat dan dikuatkuasakan secara konsisten di semua pasukan.

Contoh: Kenyataan misi AI Bertanggungjawab Microsoft berbunyi: "Kami komited kepada kemajuan AI yang didorong oleh prinsip etika yang mengutamakan manusia" - 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 membina 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 secara konsisten dengan nilai yang ditentukan, 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 & keupayaan manusia.

🚨 Fikirkan tentang apa yang boleh menjadi kenyataan 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 ada? Bagaimana prinsip ini berkaitan dengan produk AI atau industri yang mereka beroperasi?

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.

Dengan 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.

Dengan 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 dataset, isu kualiti data, ketidakadilan, dan salah tafsir dalam algoritma - termasuk beberapa isu yang bersifat sistemik.

Dalam kedua-dua kes, cabaran etika menonjolkan 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 dengan tindakan kita, kemudian mengambil tindakan pembetulan seperti 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 dengan penciptaan, pemprosesan, dan penyebaran data.

Soalan moral yang perlu kita tanya ialah:

Siapa yang memiliki data? (pengguna atau organisasi)
Apakah hak yang dimiliki oleh subjek data? (contoh: akses, penghapusan, kebolehangkutan)
Apakah hak yang dimiliki oleh organisasi? (contoh: membetulkan ulasan pengguna yang berniat jahat)

2.2 Persetujuan yang Dimaklumkan

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