Hvordan maskiner tænker – ugennemsigtighed i algoritmer


Rapport. I sin videnskabelige artikel “How The Machine ‘Thinks’: Understanding opacity in machine learning algoritms” (Januar 2016) diskuterer Jenna Burrell fra UC Berkley School of Information metoder til at undersøge opacitet (uigennemsigtighed) i algoritmer. Ordet ‘algoritme’, der oprindeligt har været forbeholdt en teknisk verden beboet af dataloger og programmører, er over det sidste år blevet et “buzz word” i erhvervslivet. I så høj grad, at diskussioner om “big data” i dag stort set altid vil, eller i hvert fald bør, indeholde en reference til “algoritmeøkonomien“, dvs. en gryende økonomi baseret på at finde mønstre i data, oprette profiler, forudsige og reagere på data, skabe mening ud af ​​data og omdanne den til værdi.
Samtidig med denne udvikling af erhvervslivets datadiskurs, ser vi en stigende etisk bekymring blandt de  hurtigste politiske beslutningstagere, organisationer og akademikere verden over særligt forbundet med uigennmsigtigheden i de proprietære algoritmiske systemer (En af de mest betydningsfulde stemmer er juraprofessor Frank Pasquales bog fra sidste år “The Black Box Society“).
I artiklen, som blev offentliggjort i januar 2016 i Big Data & Society, diskuterer Jenna Burrell, hvordan man kan undersøge algoritmers gennemsigtighed med eksempler fra aktuelle kodningsprocesser og -uddannelser. Hun skelner mellem forskellige typer af uigennemsigtighed, f.eks “opacitet som teknisk analfabetisme” og “opacitet som forsætlig forretningshemmelighed eller statshemmelighed”, og peger på kompleksiteten involveret i at undersøge uigennemsigtighed i machine learning algoritmer og vurdere deres indvirken.

2 Responses to Hvordan maskiner tænker – ugennemsigtighed i algoritmer

  1. Pingback: Dataetik skal ind i algoritmen! - Dataetisk Tænkehandletank

  2. Pingback: Data ethics into algorithms now! - Dataethical Thinkdotank

Password Reset
Please enter your e-mail address. You will receive a new password via e-mail.