Ansvarsfullt användande av artificiell intelligens

Artificiell intelligens fungerar på basis av data. Därför behöver datans egenskaper mer etisk uppmärksamhet än i nuläget. Data är inte bara ett statiskt material utan en helhetsprocess som omfattar

• systemets målsättning
• identifiering av datamaterial som är relevant för målet
• insamling och hantering av träningsdatamaterial samt dess metoder
• analys av materialets kvalitet
• "städning" och kurering av data för maskinell bearbetning
• utformning och testning av modellen
• behandling av produktionsdata
• kontinuerlig uppföljning, uppdatering av modellen vid behov.

Etiska frågor inom artificiell intelligens har fokuserat på resultat och inte på vad som används i systemen. Vi borde fokusera mer på hur data produceras och behandlas.

– Forskare William Isaac, Google DeepMind

I ett dataekonomiskt samhälle där information delas och utnyttjas med olika myndigheter och till och med den privata sektorn är det inte tillräckligt att organisationerna inom sina instanser agerar konsekvent i fråga om sina material.

Olika aktörer kan ha olika sätt att lagra och uppdatera sitt datamaterial, och dessutom försvåras en rationell och säker samanvändning av materialen av strukturella och semantiska olikheter.

Data i sig innehåller inga lösningar eller betydelser, utan de uppkommer först i användning. Eftersom varje användningsfall är unikt utgörs datans värde och betydelse i växelverkan med slutanvändarnas verksamhet. Därför är det nödvändigt att det finns kommunikations- och responskanaler mellan dataproducenter, dataägare och användare.

Läs mer om ISO-standarden för mätning av datakvalitet (på engelska)Öppnas i ett nytt fönster..

AI-teknologin har möjliggjort två betydande förändringar i utnyttjandet av data:

• data från flera olika källor kan analyseras samtidigt och korsvis
• det är möjligt att analysera och använda glest strukturerad eller till och med helt ostrukturerad data.

Kvalitetsfrågorna för data som används i system för artificiell intelligens är något mer komplicerade. De traditionella kvalitetsfaktorerna, såsom aktualitet och inre integritet, är fortfarande relevanta, men nu bedöms de i flera materialhelheter. Likaså måste materialets integritet, säkerhet och överensstämmelse med målen bedömas mer mångfasetterat.

En dellösning för att stärka hanteringen av mångfasetterat och mångformigt material kan vara systematisk användning, klassificering och indexering av metadata. Det gör det lättare att hålla icke-strukturerat material mer ”synligt” och samlar även i övrigt material från olika källor i samma betydelserymd.