[Day19] AI 서비스 개발 특강 3. AI Ethics

AI & Individuals

Bias : 편향

편향을 가진 AI가 있다면 어디서 그 편향이 오게 되었을까

데이터에 기반하기 때문에 사회적으로 가지고 있는 편향이 들어갈 가능성이 높다. 하지만 정확이 어디에서 온 문제인지 알기 어렵다.

 

• Labeling을 어떻게 정의하는지에 따라서
  어떤 class 분류할지
  ex) 근무시간이 많다고 일을 잘한다고 말할 수 있을까
• Labeling을 하는 사람이 어떤 생각을 가졌느냐에 따라
• Data를 누가 어떻게 어디에서 수집했냐에 따라서
  데이터가 지협적으로 모아질 수 있다.
  Overrepresentation
• Feture selection
  Redlining : 일반적인 기준으로 보려는 것
• 의도하지 않은 차별
  패턴속에서 나오는 차별
• 의도적 차별
  만들 때부터 의도를 가지고 차별하는 경우

Privacy

정보를 수집하고 있기 때문에 privacy문제에서 자유롭기는 어렵다

AI & Society

Social Inequality

사회적으로 중요한 문제에 대한 의사결정을 AI가 도와주는 경우가 많다.

부동산, 보험, 신용등급 등

• 지식, 스킬이 있고 AI에 접근하기 쉬운 사람에게는 AI가 장점이 많다.
  소수자, 약자, 지식에 접근하기 어려운 사람들에게는 단점이 많다.
• social inequality는 AI가 더 나빠지게 하는 경우가 있다.
• 사람이 하는 일을 대신할 수 있다.

Misinformation

• Deepfake
• Identity Prediction

AI & Humanity

인류에 어떤 영향을 줄까, 발전에 기여할까?

AI for Health

병에 걸릴지 감지, MRI 분석 등

지속적인 케어가 필요한 병에 대해서 도울 수 있다

AI for Climate Change

모델을 학습시키는데 이산화탄소 배출량이 크다.

운송, 빌딩의 전기, 온수 사용량 조절, 동선에 따른 시설 배치, 공장효율 등에 대해서 AI 솔루션을 사용해서 가스 방출을 줄이는데 도움을 줄 수 있다.