[ad_1]
کارشناسان سازمان ملل از آژانس های سراسر جهان خواسته اند تا اطمینان حاصل کنند که داده هایی که از هوش مصنوعی جمع آوری می کنند برای تبعیض در برابر گروه های اقلیت استفاده نمی شود.
کارشناسان سازمان ملل روز پنجشنبه گفتند ، پلیس و مرزبانان باید با مشخصات نژادی مبارزه کنند و اطمینان حاصل کنند که استفاده از “داده های کلان” جمع آوری شده از طریق هوش مصنوعی تعصب اقلیت را افزایش نمی دهد.
آنها گفتند كه شركت هايي كه سيستم هاي پروفايل الگوريتمي را به نهادهاي دولتي و شركت هاي خصوصي مي فروشند كه اغلب براي غربالگري متقاضيان كار استفاده مي شوند ، بايد براي جلوگيري از سو misاستفاده از داده هاي شخصي كه باعث تعصب است ، بايد تحت نظارت قرار گيرند.
“این ابزاری است که به سرعت در حال تحول است و توسط نیروی انتظامی برای تعیین و استفاده از داده های بزرگ استفاده می شود. ورن شپارد ، عضو کمیته رفع تبعیض نژادی سازمان ملل به رویترز گفت: “این خطر آن است.”
وی در سخنرانی خود از جامائیکا افزود: “ما شنیده ایم كه شركتها از این روشهای الگوریتمی تبعیض بر اساس رنگ پوست استفاده می كنند.”
شپرد ، یک مورخ ، 18 کارشناس مستقل را در تهیه “توصیه کلی” به 182 کشور که یک پیمان بین المللی الزام آور منع تبعیض نژادی را تصویب کرده اند ، هدایت کرد.
او گفت ، اقلیت ها و فعالان از استفاده روزافزون از هوش مصنوعی ، تشخیص چهره و سایر فن آوری های جدید شکایت دارند.
شپرد با استناد به برزیل و کلمبیا گفت: “این در ایالات متحده به طور گسترده ای مورد استفاده قرار می گیرد و ما از اتحادیه اروپا و همچنین آمریکای لاتین شکایت هایی از سیاه پوستان داشته ایم ، جایی که مردم آفریقایی تبار و بومیان از پروفایل شکایت دارند.” “این نقاط داغی است که در مورد موارد پروفایل که بیشتر رایج است می شنویم.”
پس از مرگ جورج فلوید ، آفریقایی-آمریکایی که پس از نزدیک به نه دقیقه زانو زدن یک افسر پلیس مینیاپولیس درگذشت ، اعتراضات علیه نژادپرستی و بی رحمی پلیس در ایالات متحده آغاز شد.
شپرد گفت ، بسیاری از افسران پلیس از سیستم های پیش بینی مشخصات استفاده می کنند که منجر به بررسی هویت ، ترافیک و جستجوی اطلاعات بر اساس داده های قبلی دستگیری محله می شود.
وی گفت: این کمیته توصیه می کند افرادی که هدف قرار می گیرند مستحق جبران خسارت باشند ، افزود: اتفاقاً اگر آنها زندگی می کنند تا داستان را تعریف کنند ، زیرا می دانیم که گاهی اوقات بد پایان می یابد.
[ad_2]