ફેશિયલ માન્યતા વિશ્વભરના લાખો લોકો ઓછામાં ઓછા એરપોર્ટ, તેમના iPhones અથવા Facebookના સર્વર ફાર્મ પર સોફ્ટવેર દ્વારા સ્કેન કરેલા તેમના ચહેરા સાથે મૂકવા માટે તૈયાર હોવા સાથે, ઘણા લોકો માટે ટેક્નો-નવીનતાથી જીવનની હકીકત તરફ ઝડપથી સ્થળાંતર કર્યું છે. પરંતુ ન્યુ યોર્ક યુનિવર્સિટીની AI નાઉ ઇન્સ્ટિટ્યૂટના સંશોધકોએ માત્ર સર્વવ્યાપક ચહેરાની ઓળખ જ નહીં, પરંતુ તેના વધુ ભયંકર કઝિન સામે કડક ચેતવણી જારી કરી છે: કહેવાતી અસર ઓળખ, ટેક્નોલોજી કે જે દાવો કરે છે કે તે તમારા નાકના આકાર, રૂપરેખામાં છુપાયેલ અર્થ શોધી શકે છે. તમારા મોંમાંથી, અને તમે જે રીતે સ્મિત કરો છો. જો તે 19મી સદીથી કંઈક ડ્રેજ્ડ જેવું લાગે છે, તો તે એટલા માટે છે કારણ કે તે એક પ્રકારનું છે.
AI Now's 2018 અહેવાલ કેવી રીતે "કૃત્રિમ બુદ્ધિ" - એક છત્ર શબ્દ કે જેમાં માનવ ચુકાદા અને માર્કેટિંગ નોનસેન્સનું અનુકરણ કરવાના અસંખ્ય વૈજ્ઞાનિક પ્રયાસોનો સમાવેશ થાય છે - તે દેખરેખ, નિયમન અથવા અર્થપૂર્ણ નૈતિક તપાસ વિના ફેલાવાનું ચાલુ રાખે છે તેનો 56-પાનાનો રેકોર્ડ છે. અહેવાલમાં વંશીય ભેદભાવ, પોલીસ દેખરેખ અને વેપાર ગુપ્તતાના કાયદાઓ એઆઈ-સર્વેલ્ડ લોકોથી પક્ષપાતી કોડને કેવી રીતે છુપાવી શકે છે તે સહિત ઉપયોગો અને દુરુપયોગના વ્યાપક વિસ્તરણને આવરી લે છે. પરંતુ AI Now, જેની સ્થાપના ગયા વર્ષે આર્ટિફિશિયલ ઇન્ટેલિજન્સનાં સામાજિક અસરો સાથે સામનો કરવા માટે કરવામાં આવી હતી, તે દસ્તાવેજમાં અસર ઓળખ પર ખાસ ભય વ્યક્ત કરે છે, “ચહેરાની ઓળખનો પેટા વર્ગ જે વ્યક્તિત્વ, આંતરિક લાગણીઓ, માનસિક સ્વાસ્થ્ય, જેવી વસ્તુઓને શોધવાનો દાવો કરે છે. અને ચહેરાઓની છબીઓ અથવા વિડિયો પર આધારિત 'વર્કરની સગાઈ'." તમારી માનસિક સ્થિતિનું સતત મૂલ્યાંકન કરવા માટે મશીન લર્નિંગનો ઉપયોગ કરતા કૅમેરા દ્વારા તમને જોઈ રહેલા તમારા બૉસનો વિચાર પૂરતો ખરાબ છે, જ્યારે "માઇક્રો-અભિવ્યક્તિ" પર આધારિત તમારી ભાવિ ગુનાખોરીને અનુમાનિત કરવા માટે "ઇફેક્ટ રેકગ્નિશન" નો ઉપયોગ કરીને પોલીસની સંભાવના ખૂબ જ ખરાબ છે.
તે એટલા માટે કારણ કે "અસર માન્યતા," અહેવાલ સમજાવે છે, શરીરવિજ્ઞાનના કોમ્પ્યુટરાઈઝેશન કરતાં થોડું વધારે છે, બીજા યુગની સ્યુડોસાયન્સની સંપૂર્ણ રીતે કલંકિત અને નિષ્ક્રિય તાણ કે જેણે દાવો કર્યો હતો કે વ્યક્તિના પાત્રને તેમના શરીર અને ખાસ કરીને તેમના ચહેરા પરથી ઓળખી શકાય છે. 1880 ના દાયકામાં આ સાચું હતું એવું માનવા માટે કોઈ કારણ નહોતું, જ્યારે બદનામ ઇટાલિયન ગુનાશાસ્ત્રી સીઝેર લોમ્બ્રોસો જેવી વ્યક્તિઓએ સિદ્ધાંતને પ્રોત્સાહન આપ્યું હતું, અને આજે પણ તેના પર વિશ્વાસ કરવાનું ઓછું કારણ છે. તેમ છતાં, તે એક આકર્ષક વિચાર છે, કોઈપણ વિજ્ઞાનમાં તેના ગ્રાઉન્ડિંગનો અભાવ હોવા છતાં, અને ડેટા-સેન્ટ્રીક ફર્મ્સ માત્ર ચહેરાના નામો જ નહીં, પરંતુ તમારા ભમર અને વચ્ચેના કેટલાક અદ્રશ્ય સંબંધ માટે સમગ્ર વર્તન પેટર્ન અને આગાહીઓને આભારી છે. નાક કે જે ફક્ત કમ્પ્યુટરની આંખ દ્વારા જ સમજી શકાય છે. બે વર્ષ પહેલાં, શાંઘાઈ યુનિવર્સિટીના વિદ્યાર્થીઓએ એક અહેવાલ પ્રકાશિત કર્યો હતો જેમાં તેઓ શું છે તેની વિગતો આપે છે માત્ર ચહેરાના લક્ષણો પર આધારિત ગુનાહિતતા નક્કી કરવા માટે મશીન લર્નિંગ પદ્ધતિ હોવાનો દાવો કર્યો. પેપરની વ્યાપકપણે ટીકા કરવામાં આવી હતી, જેમાં એઆઈ નાઉના કેટ ક્રોફોર્ડનો સમાવેશ થાય છે, જેમણે ધ ઈન્ટરસેપ્ટને જણાવ્યું હતું કે તે "શાબ્દિક ફ્રેનોલોજી … માત્ર કેલિપર્સને બદલે નિરીક્ષણ કરેલ મશીન લર્નિંગના આધુનિક સાધનોનો ઉપયોગ કરીને.
ક્રોફોર્ડ અને તેના સાથીદારો હવે આ પ્રકારની સાંસ્કૃતિક અને વૈજ્ઞાનિક રીતે રીગ્રેસીવ અલ્ગોરિધમિક આગાહીના ફેલાવા માટે પહેલા કરતા વધુ વિરોધ કરી રહ્યા છે: “જો કે નાઝી જાતિના વિજ્ઞાન સાથેના જોડાણને પગલે ફિઝિયોગ્નોમી તરફેણમાંથી બહાર આવી ગઈ છે, સંશોધકો ફિઝિયોગ્નોમિક વિચારના ફરીથી ઉદભવ વિશે ચિંતિત છે. માન્યતા અરજીઓ,” અહેવાલ વાંચે છે. "એઆઈ સિસ્ટમ્સ અમને એ જણાવવામાં સક્ષમ હોઈ શકે છે કે વિદ્યાર્થી, ગ્રાહક અથવા ગુનાહિત શંકાસ્પદ વ્યક્તિ ખરેખર શું અનુભવે છે અથવા તેઓ આંતરિક રીતે કેવા પ્રકારની વ્યક્તિ છે તે કોર્પોરેશનો અને સરકારો બંને માટે આકર્ષક સાબિત થઈ રહ્યો છે, તેમ છતાં આવા વૈજ્ઞાનિક કારણો દાવાઓ ખૂબ જ શંકાસ્પદ છે, અને તેમના ભેદભાવપૂર્ણ હેતુઓનો ઇતિહાસ સારી રીતે દસ્તાવેજીકૃત છે."
ધ ઈન્ટરસેપ્ટ, ક્રોફર્ડને ઈમેલમાં, AI Now ના સહ-સ્થાપક અને NYU ખાતે પ્રતિષ્ઠિત સંશોધન પ્રોફેસર, AI Now ના સહ-સ્થાપક અને NYU ખાતે પ્રતિષ્ઠિત સંશોધન વિજ્ઞાની મેરેડિથ વિટ્ટેકર સાથે, સમજાવ્યું કે શા માટે માન્યતાને અસર કરવી આજે પહેલા કરતા વધુ ચિંતાજનક છે. , બે કંપનીઓનો ઉલ્લેખ કરે છે જે લોકો વિશે મોટા તારણો કાઢવા માટે દેખાવનો ઉપયોગ કરે છે. “ફેસેપ્શનના દાવાથી તેઓ 'શોધી શકે છે' જો કોઈ આતંકવાદી છે કે કેમ તે તેમના ચહેરા પરથી HireVue માસ-રેકોર્ડિંગ જોબ અરજદારો તેમના ચહેરાના 'માઈક્રો-અભિવ્યક્તિઓ', મશીન વિઝનનો ઉપયોગ કરવાની ક્ષમતા અને તેના આધારે તેઓ સારા કર્મચારી હશે કે કેમ તે આગાહી કરવા માટે. સહસંબંધો શોધવા માટે મોટા પાયે ડેટા વિશ્લેષણ કેટલાક ખૂબ જ શંકાસ્પદ દાવાઓ તરફ દોરી જાય છે," ક્રોફોર્ડે જણાવ્યું હતું.
ફેસેપ્શન ધરાવે છે કલ્પિત દેખાવ પરથી નક્કી કરવા માટે કે શું કોઈ વ્યક્તિ "માનસિક રીતે અસંતુલિત," બેચેન અથવા પ્રભાવશાળી છે, જ્યારે HireVue પાસે ક્રમ સમાન ધોરણે નોકરી અરજદારો.
સ્વયંસંચાલિત, અદ્રશ્ય ચુકાદા અને નિર્ણય લેવાની કોઈપણ કોમ્પ્યુટરાઈઝ્ડ સિસ્ટમની જેમ, ખોટી રીતે વર્ગીકૃત, ફ્લેગ અથવા ટૅગ થવાની સંભાવના પ્રભાવિત માન્યતા સાથે અપાર છે, ખાસ કરીને તેના પાતળા વૈજ્ઞાનિક આધારને જોતાં: "આ સિસ્ટમો દ્વારા પ્રોફાઇલ કરાયેલ વ્યક્તિ કેવી રીતે હરીફાઈ કરશે? પરિણામ?,” ક્રોફોર્ડે ઉમેર્યું. "જ્યારે આપણે 'આંતરિક જીવન' અથવા મનુષ્યની યોગ્યતા નક્કી કરવા માટે બ્લેક-બોક્સવાળી AI સિસ્ટમ્સ પર આધાર રાખીએ છીએ ત્યારે શું થાય છે? આમાંના કેટલાક ઉત્પાદનો ખૂબ જ વિવાદાસ્પદ સિદ્ધાંતો ટાંકે છે જે મનોવૈજ્ઞાનિક સાહિત્યમાં લાંબા સમયથી વિવાદિત છે, પરંતુ AI સ્ટાર્ટઅપ્સ દ્વારા તેને હકીકત તરીકે ગણવામાં આવે છે."
કૅમેરા રેન્જમાં કોઈપણ વ્યક્તિ પર વિજ્ઞાન પસાર કરે છે તેના કરતાં ખરાબ ચુકાદો શું છે તે એ છે કે આ નિર્ણયો લેતી ઍલ્ગોરિધમ્સ તેમને વિકસિત કરતી કંપનીઓ દ્વારા ખાનગી રાખવામાં આવે છે, વેપાર ગુપ્તતાના પડદા પાછળની સખત તપાસથી સુરક્ષિત. AI Now's Whittaker કોર્પોરેટ ગુપ્તતાને પ્રભાવિત માન્યતાની પહેલાથી જ સમસ્યારૂપ પ્રથાઓને મૂંઝવણમાં મૂકે છે: “કારણ કે આમાંની મોટાભાગની તકનીકો ખાનગી કંપનીઓ દ્વારા વિકસાવવામાં આવી રહી છે, જે કોર્પોરેટ ગુપ્તતાના કાયદા હેઠળ કાર્ય કરે છે, અમારો અહેવાલ આની અંદર નૈતિક વ્હિસલબ્લોઅર માટે રક્ષણ માટે મજબૂત ભલામણ કરે છે. કંપનીઓ." આ પ્રકારની વ્હિસલબ્લોઇંગ નિર્ણાયક બની રહેશે, વ્હિટટેકરે લખ્યું, કારણ કે ઘણી બધી ડેટા કંપનીઓ ગોપનીયતા અને પારદર્શિતાને સદ્ગુણને બદલે જવાબદારી તરીકે માને છે: “ઉચિતતા અલગ-અલગ હોય છે, પરંતુ મોટે ભાગે [AI ડેવલપર્સ] તમામ જવાબદારીને અસ્વીકાર કરે છે અને કહે છે કે તે ગ્રાહકો પર નિર્ભર છે. તેની સાથે શું કરવું તે નક્કી કરવા." સ્યુડોસાયન્સને અત્યાધુનિક કોમ્પ્યુટર એન્જિનિયરિંગ સાથે જોડવામાં આવ્યું છે અને તેને જવાબદારીની શૂન્યતામાં મૂકવામાં આવ્યું છે. શું ખોટું થઈ શકે છે?
ZNetwork ને ફક્ત તેના વાચકોની ઉદારતા દ્વારા ભંડોળ પૂરું પાડવામાં આવે છે.
દાન