Hoppa till innehållet

AI-forskaren vill stoppa robotarnas förtryck

Robotar som med hjälp av maskininlärning kan fatta närmast mänskliga beslut skapar stora möjligheter, men riskerar även att ärva våra fördomar. Det säger AI-forskaren Joy Buolamwini.

Joy Buolamwini, forskare och grundare av Algorithmic Justice League.
Joy Buolamwini, forskare och grundare av Algorithmic Justice League.Foto: Amanda Lindgren

MIT-forskaren Joy Buolamwinis team Algorithmic Justice League bekämpar ett nytt sorts förtryck – det maskinella.

”En vanlig missuppfattning är att beslut fattade av en maskin med hjälp av algoritmer är neutrala. Vi måste bli medvetna om vem som representeras i datan som besluten bygger på”, säger Joy Buolamwini till Di under sitt besök på Women In Tech i Stockholm.

Läs mer: Annie Lööf från Women in Tech 2018: "Det finns ett före och ett efter #Metoo" 

Att maskiner kan exkludera blev uppenbart för henne när hon först provade ansiktsigenkänning – en allt vanligare funktion både i vissa typer av appar och då det kommer till säkerhetslösningar. Maskinen kunde inte identifiera henne. Mörk hud tillsammans med kvinnliga drag fanns inte tillräckligt representerad i referensdatan.

”Jag satte på mig en vit mask, och plötsligt blev jag igenkänd”.

AI bygger på att lära maskiner att känna igen mönster. I korthet handlar det om att låta en dator ta del av en bit information upprepade gånger med en tillhörande förklaring, till dess att datorn själv lär sig identifiera den. AI-teknik används ofta för att kartlägga mönster eller upptäcka avvikelser i komplexa system, vilket gör tekniken applicerbar inom en rad branscher. 

Läs mer: EQT Ventures storsatsar på maskininlärning 

Problemet som Joy Buolamwini har identifierat är att referensdatan inte är representativ, vilket kan få stora konsekvenser, inte minst för teknikens pricksäkerhet.

”Om ansiktsigenkänning ska kunna användas vid säkerhetskontroller på exempelvis internationella flygplatser, räcker det inte med att den bara kan identifiera vita, manliga ansikten”, säger hon.

Ansiktsigenkänning är bara ett exempel. Även andra typer av data kan leda till att grupper missgynnas oavsiktligt om den inte är tillräckligt representativ.

”Det blir allt vanligare att AI används för att avgöra hur kreditvärdiga personer är som ansöker om banklån. Vi ser att universitet börjar använda tekniken i antagningsprocessen. Helt fel beslut kan fattas för att det inte finns tillräckligt mycket, och representativ, data att tillgå”, säger Joy Buolamwini.

Läs mer: Swedbanks vd: ”AI kommer att revolutionera allt”

Efter att upprepade gånger ha stött på problematiken, beslutade hon sig för att göra någonting åt situationen. Nu arbetar hon bland annat med att ta fram nya databanker med större mångfald som bättre speglar samhället.

”Inom AI-forskning så används samma referensdata för att bedöma hur väl algoritmerna presterar. Risken är att vi skapar en falsk känsla av utveckling och framgång om vi inte ifrågasätter måttstockens representation”, säger Joy Buolamwini.

Läs mer: Alphabets ordförande: Sverige kan bli ledande inom AI 

Bakom evenemanget står bland annat MTG, Google och Bonnier, som äger Dagens Industri.

Innehåll från ChargeNodeAnnons

Optimera elbilsladdningen och spara pengar

En smart laddtjänst är ett viktigt verktyg för företag och fastighetsägare som vill hålla nere sina elkostnader och samtidigt tillhandahålla elbilsladdning.

Senast 2027 ska alla svenska elnätsföretag ha infört effektbaserad prissättning vilket innebär debitering utifrån effektuttag. Redan idag tillämpas modellen bland elnätsföretagen eller så planeras det för fullt för ett införande. Med effektbaserad prissättning ska man motiveras till att sprida ut sin elanvändning. Detta innebär att man undviker effekttoppar vilket främjar effektivt nätutnyttjande. 

Elbilsladdning och effektbaserad prissättning kan därför innebära problem om man inte tänker till från start. Med ChargeNodes smarta ladd- och betaltjänst är det möjligt att plana ut effektkurvan och därigenom slippa dyra effektavgifter. Användarna anger avresetiden i företagets app och sedan prioriterar ladd- och betaltjänsten i vilken ordning bilarna ska laddas. 

– Vårt laddsystem har funktionen lastbalansering i kombination med en smart laddtjänst så att medlemmarnas bilar laddas utifrån parkeringstid. Det är alltså kombinationen av lastbalansering och smart laddtjänst som gör att anläggningsägaren kan hålla nere sin elanvändning och därigenom slippa dyra effektavgifter, säger Richard Forssell på ChargeNode.

En annan fördel är att ChargeNodes laddsystem med sin centraliserade laddstyrning har betydligt färre komponenter än traditionella lösningar. Det innebär effektiv och billig förvaltning efter garantiperiodens slut. 

– Vi rekommenderar att företag och fastighetsägare tänker igenom hur laddinfrastrukturen ska förvaltas över tid, säger Richard Forssell.

 

 

Artikeln är producerad av Brand Studio i samarbete med ChargeNode och ej en artikel av Dagens industri

Det verkar som att du använder en annonsblockerare

Om du är prenumerant behöver du logga in för att fortsätta. Vill du bli prenumerant kan du läsa Di Digitalt för 197 kr inkl. moms de första 3 månaderna.

spara
1180kr
Prenumerera