3 Kunci untuk mengurangi Risiko Keamanan Data saat mengadopsi AI Generatif

Organisasi yang berupaya menciptakan nilai dari AI generatif beralih ke data mereka. Jika dimanfaatkan dengan benar, permata mahkota perusahaan tersebut dapat membantu organisasi mencapai efisiensi proses dan aliran pendapatan baru – yang merupakan unsur utama untuk memperoleh keunggulan kompetitif.

AI generatif siap untuk meningkatkan laba tahunan sebesar $2,6 hingga $4,4 triliun, menurut perusahaan konsultan McKinsey & Company. Hal ini memberikan insentif kepada banyak perusahaan untuk memanfaatkan aplikasi AI generatif untuk menyusun materi penjualan dan pemasaran, melakukan brainstorming produk digital baru, dan bahkan menulis kode perangkat lunak.

Seperti halnya dengan teknologi baru apa pun, layanan AI generatif memiliki risiko dan ketidakpastian yang cukup besar, namun menjalankan solusi AI generatif di pusat data Anda dapat menghasilkan lebih banyak fleksibilitas dan kontrol atas data. Berikut tiga kunci untuk membatasi risiko keamanan AI generatif.

Fast Facts:

  • AI generatif siap meningkatkan laba tahunan sebesar $2,6 hingga $4,4 triliun
  • 45% pengambil keputusan IT menyebutkan risiko terhadap data dan kekayaan intelektual sebagai alasan utama mereka ragu untuk menerapkan AI generatif.
  • 82% pengambil keputusan IT mengatakan bahwa mereka tertarik untuk menggunakan pendekatan lokal atau hybrid untuk membangun solusi AI generatif mereka.

Pertimbangkan berbagai risiko AI Generatif

Pengendalian sangat penting pada saat kekhawatiran mengenai pengelolaan teknologi AI generatif semakin besar. Banyak karyawan sudah menggunakan generator teks, gambar, dan video untuk meningkatkan aktivitas kerja sehari-hari mereka, seringkali tanpa dukungan IT, sehingga menyebabkan munculnya shadow AI.

Sifat generatif dari keluarannya berarti mereka mampu mengungkapkan informasi dari data pelatihan secara tidak sengaja. LLM dapat mewarisi bias yang ada dalam data pelatihannya atau menampilkan konten yang tidak akurat. Kedua risiko tersebut dapat menimbulkan implikasi etika dan hukum bagi bisnis Anda.

LLM juga dapat dieksploitasi untuk membuat kode berbahaya, seperti penipuan phishing dan malware lainnya. Layanan AI generatif rentan terhadap apa yang disebut serangan injeksi cepat, di mana penyerang dapat mengekstrak perintah dan file apa pun yang mungkin diunggah karyawan ke model untuk menyempurnakan hasilnya. Dan, sama seperti peretasan rekayasa sosial sebelumnya, pelaku kejahatan menjadi lebih baik dalam memalsukan kepalsuan yang realistis.

Terkadang data yang digunakan untuk menginformasikan LLM mungkin memerlukan perlindungan tambahan untuk mencegah privasi tidak sah atau pengungkapan lainnya. Aturan kedaulatan data mengatur cara data disimpan, diproses, dan digunakan di negara-negara di seluruh dunia. Semua ini merupakan tantangan berat bagi Anda sebagai pemimpin IT yang berjuang mempertimbangkan risiko penerapan AI generatif. Survei Dell baru-baru ini menunjukkan bahwa 45% pengambil keputusan IT menyebutkan risiko terhadap data dan kekayaan intelektual sebagai alasan utama mereka ragu untuk menerapkan AI generatif.

Bangun dan Jalankan di lokasi untuk mengurangi Risiko

Meskipun tidak ada solusi jitu untuk melindungi aset perusahaan Anda, pelatihan dan penambahan model AI generatif di lokasi dapat membantu Anda mengurangi bias, disinformasi, dan ancaman lain terhadap data dan reputasi perusahaan Anda. Anggap saja seperti ini: Pusat data lokal Anda seperti bank, brankas yang melindungi IP sensitif Anda, memungkinkan Anda memprioritaskan keamanan, privasi, tata kelola, dan kontrol.

Untuk memajukan praktik perlindungan data dan melindungi aset perusahaan, Anda dapat menerapkan strategi zero-trust. Hal ini akan memungkinkan Anda memutuskan siapa yang memiliki akses ke data dan data apa yang dibagikan, serta cara mengatasi masalah keamanan. Prinsip zero-trust selanjutnya akan memungkinkan Anda mengenkripsi dan memantau data sambil menerapkan kebijakan tata kelola dan komunikasi untuk penggunaan yang bertanggung jawab.

AI Generatif di dunia Multi-cloud

Meskipun lokal mungkin menawarkan opsi terbaik untuk mengamankan dan bahkan menyesuaikan model AI generatif, beberapa organisasi mungkin memerlukan pendekatan yang lebih luas dan portabel. Hal ini mungkin memerlukan penerapan aplikasi AI generatif di berbagai lingkungan operasi, dekat dengan tempat data berada. Dalam skenario seperti ini, organisasi mungkin ingin membangun aplikasi mereka secara on-premise namun menjalankannya di private cloud atau public cloud demi ketangkasan, atau di edge yang latensinya harus lebih rendah.

Survei Dell baru-baru ini menunjukkan bahwa 82% pengambil keputusan TI mengatakan mereka tertarik untuk mengambil pendekatan lokal atau hybrid untuk membangun solusi AI generatif mereka. Pada akhirnya, mengidentifikasi tempat terbaik untuk menjalankan beban kerja AI generatif dengan aman tidaklah mudah, dan banyak organisasi mungkin tidak memiliki talenta untuk melakukannya. Di sinilah ekosistem mitra bersinar.

Portofolio solusi AI generatif Dell Technologies sangat luas, menampilkan perangkat klien dan infrastruktur server yang akan mendukung kebutuhan beban kerja AI Anda. Dan, dengan menerapkan pendekatan zero-trust pada arsitektur, Dell berada pada posisi yang tepat untuk membantu Anda mengamankan aplikasi dan data seiring Anda secara bertahap mengadopsi AI generatif.

Sumber: businessinsider.com

Alamat Lengkap Kami

Email:  info@konsultanpendidikan.com

AI yang dapat merevolusi cara Anggota Parlemen bertanggung jawab atas Insider Trading

Sekelompok mahasiswa pascasarjana yang berbasis di California telah mengembangkan alat bertenaga AI untuk menangkap insider trading di Kongres sesegera mungkin. Meskipun masih dalam tahap awal, program ini dapat menjadi cara revolusioner bagi jurnalis, peneliti, dan masyarakat umum untuk meminta pertanggungjawaban pejabat publik.

Untuk proyek puncak musim gugur 2023 mereka di UC Berkeley, Mats Dodd, Aditya Shah, Jocelyn Thai, dan Connor Yen mengemukakan ide untuk PoliWatch untuk melihat apakah insider trading merupakan isu yang lazim di Kongres seperti yang dianggap banyak orang.

“Kami menyelidikinya dan sangat kecewa ketika kami menemukan bahwa dalam dekade terakhir, mungkin ada dua belas investigasi yang berhasil dan tidak menghasilkan apa-apa,” kata Dodd kepada Business Insider, seraya menambahkan bahwa dia yakin bahwa komite etika kongres cenderung menyapu pelanggaran “di bawah hukum.” karpet.”

Shah menjelaskan bahwa PoliWatch bekerja dengan menyediakan sistem pengarsipan stok kongres yang tersedia untuk umum, jadwal dengar pendapat, penugasan komite, dan perjalanan yang disponsori.

“Kami pada dasarnya mengkontekstualisasikan transaksi saham dengan informasi penting seperti penugasan komite, undang-undang yang disponsori, dan tim ahli investigasi kami untuk mengidentifikasi aktivitas mencurigakan dengan mudah,” kata Shah, sambil mencatat bahwa alat tersebut sudah dapat mengidentifikasi kapan anggota parlemen membuat COVID yang dipertanyakan. – terkait perdagangan selama pandemi, yang diselidiki oleh Departemen Kehakiman pada tahun 2020.

“Kami benar-benar melihat alat ini seperti memasang kaca pembesar pada apa yang terjadi dan membiarkan orang melihat apa yang sebenarnya terjadi karena ini gila,” kata Dodd.

Robert Maguire, direktur penelitian di Citizens for Responsibility and Ethics di Washington, sangat senang dengan potensi penggunaan alat baru ini.

“Jika saya memahami dengan benar bahwa hal ini dapat dilakukan, hal ini berpotensi merevolusi kemampuan publik dan jurnalis untuk melacak perdagangan saham dan kepemilikan anggota Kongres,” kata Maguire.

PoliWatch berada dalam periode “beta pribadi” karena proyek tersebut tidak memiliki dukungan keuangan dari luar. Saat ini, mempertahankannya dan online membutuhkan biaya sekitar $500 per bulan. Shah mengatakan tim masih berencana untuk memperbarui dan meningkatkan produk, tapi ini bukan pekerjaan penuh waktu bagi siapa pun – mereka bahkan belum mendirikan bisnis untuk PoliWatch.

Alasan lain mengapa proyek ini belum tersedia untuk umum adalah karena usianya yang masih sangat muda. Dodd mengatakan bahwa untuk saat ini, tim menginginkan “manusia yang mengetahui setiap keluaran model kami karena kami ingin orang-orang yang ahli di bidang ini memeriksa informasi” dan data tidak disalahartikan.

Shah menambahkan bahwa ke depan, mereka ingin memperluas jangkauan PoliWatch di luar transaksi kongres untuk juga mempromosikan akuntabilitas perusahaan.

Sumber: businessinsider.com

Alamat Lengkap Kami

Email:  info@konsultanpendidikan.com

Google baru saja meraih kemenangan besar dalam perang bakat AI

Google memiliki terobosan baru setelah memikat mantan kepala hubungan pengembang OpenAI.

Logan Kilpatrick, yang meninggalkan OpenAI bulan lalu, mengumumkan pada hari Selasa bahwa dia bergabung dengan Google untuk “memimpin produk untuk AI Studio dan mendukung Gemini API.”

Langkah ini menunjukkan jendela transfer keahlian AI terbuka lebar ketika perusahaan-perusahaan teknologi besar berjuang keras untuk memikat talenta-talenta AI terbaik.

Microsoft mempekerjakan veteran AI Mustafa Suleyman bulan lalu untuk memimpin upaya AI-nya. Sekitar 70 karyawan Inflection AI bergabung dengan salah satu pendiri dalam melompat dari kapal ke tim Satya Nadella.

Bruce Monaco, salah satu pendiri lembaga think tank Institute for AI Transformation, mengatakan kepada Business Insider bahwa hubungan kuat Kilpatrick dengan pengembang menjadikannya “senjata rahasia” bagi Google.

Monaco mengatakan hal ini penting karena pengembanglah yang menciptakan pembungkus dan infrastrukturnya.

Google AI Studio memungkinkan pengembang mengintegrasikan Gemini dengan API untuk membuat aplikasi AI generatif yang juga dikenal sebagai “wrapper”.

Ketika Kilpatrick meninggalkan OpenAI pada bulan Maret, beberapa pengembang melalui forum pengembangnya mengucapkan terima kasih atas bantuan dan pengaruhnya terhadap komunitas.

Dalam postingan yang mengumumkan peran barunya, Kilpatrick mengatakan dia akan membantu “menjadikan Google rumah terbaik bagi pengembang yang membangun dengan AI” dan bahwa dia “tidak akan menerima apa pun yang kurang dari itu.”

Pemimpin komunitas pengembang AI senior Intel, Ryan Carson, menulis di X: “Segala sesuatunya bergerak dan berguncang dalam industri AI. Kemenangan besar bagi Google untuk mendapatkan Logan. Dia adalah seorang bintang.”

Beberapa perusahaan berusaha keras untuk mendapatkan orang-orang yang paling cerdas di bidang teknologi. Mark Zuckerberg telah mengirimkan email pribadi untuk mencoba merekrut peneliti dari DeepMind Google. Sementara itu, salah satu pendiri Google, Sergey Brin, menelepon seorang karyawan Google yang sedang mempertimbangkan untuk keluar untuk menolak tawaran di OpenAI.

OpenAI sebelumnya telah mempekerjakan lebih dari 12 karyawan AI Google, dan lima mantan peneliti Google bekerja di ChatGPT sebelum peluncurannya.

Perusahaan kini menawarkan paket kompensasi yang lebih baik untuk memenangkan hati mereka. Pekerja yang memenuhi kriteria yang tepat untuk pemberi kerja dapat memperoleh paket gaji hingga $1 juta, The Verge melaporkan pada bulan Januari.

Namun bukan hanya paket kompensasi besar yang diincar beberapa pihak. CEO Perplexity Aravind Srinivas, yang vokal mengenai kesulitannya dalam merekrut talenta, baru-baru ini mengatakan bahwa perusahaan juga harus menawarkan “ketersediaan komputasi segera” untuk menarik pekerja.

Dia berkata: “Saya mencoba merekrut peneliti yang sangat senior dari Meta, dan Anda tahu apa yang mereka katakan? ‘Kembalilah kepada saya ketika Anda memiliki 10.000 GPU H100.'”

Google tidak segera menanggapi permintaan komentar dari Business Insider, yang dilakukan di luar jam kerja normal.

Sumber: businessinsider.com

Alamat Lengkap Kami

Email:  info@konsultanpendidikan.com

Sepertinya ini bisa menjadi Akhir dari Siklus Hype AI

Beberapa pemimpin AI mulai bertanya pada diri sendiri: Haruskah kita menerima hype tersebut?

Sekarang mungkin saat yang tepat untuk mulai merenungkan keberadaan industri ini. Hampir satu setengah tahun sejak peluncuran ChatGPT, hype seputar teknologi tampaknya ada di mana-mana.

Tokoh terkemuka seperti Bill Gates mengatakan bahwa AI bisa sama pentingnya dengan ponsel atau internet. Elon Musk, sementara itu, menyatakan bahwa pihaknya mungkin akan mempercepat perkembangan teknologi yang melampaui kecerdasan manusia pada akhir dekade ini.

Pihak lain memuji dampak AI terhadap perekonomian, dengan aplikasi yang dibangun berdasarkan model bahasa besar dari OpenAI, Google, dan Meta yang dipasarkan sebagai pendorong produktivitas pekerja di berbagai industri.

Pada bulan Februari, misalnya, ARK Invest milik Cathie Wood merilis laporan yang mengejutkan yang memperkirakan AI dapat meningkatkan total PDB sebesar 130% pada tahun 2030. Laporan tersebut memetakan perkiraan tersebut di samping dampak PDB dari mesin uap pada abad ke-19, yang dipatok oleh AI. sekitar 30%.

Investor juga telah memperhatikan hal ini. AI generatif dan startup terkait AI mengumpulkan hampir $50 miliar tahun lalu, menurut Crunchbase. Jumlah tersebut termasuk pendanaan besar-besaran Microsoft untuk OpenAI, serta kesepakatan besar untuk startup baru seperti Mistral dari Prancis.

Namun, bagi sebagian orang, menjadi jelas bahwa hype ini sudah tidak terkendali.

‘Seluruh industri didasarkan pada hype’

Salah satu orang yang memperhitungkan hype tersebut adalah Gary Marcus.

Akhir pekan lalu, profesor emeritus Universitas New York yang telah mempelajari AI selama bertahun-tahun – yang memberikan kesaksian pada sidang Senat tentang AI bersama CEO OpenAI Sam Altman tahun lalu – memperkirakan gelembung AI generatif akan meledak dalam 12 bulan ke depan.

“Seluruh industri didasarkan pada hype,” tulis Marcus di blog Substack pada hari Minggu. Ini adalah klaim yang berani namun didasarkan pada beberapa perkembangan terkini yang sulit untuk diabaikan.

Salah satu contohnya, seperti yang dikatakan Marcus, industri ini mengeluarkan lebih banyak uang daripada pendapatannya, sehingga menimbulkan pertanyaan mengenai berapa lama hal tersebut dapat bertahan.

Dia mencatat laporan Wall Street Journal baru-baru ini yang mengutip presentasi dari perusahaan modal ventura Sequoia yang mengklaim $50 miliar telah dihabiskan oleh industri pada tahun 2023 untuk chip Nvidia yang memberikan daya komputasi penting untuk AI, tetapi hanya menghasilkan pendapatan $3 miliar.

Pada bulan Maret, Mustafa Suleyman, CEO Inflection AI saat itu, bergabung dengan Microsoft bersama beberapa karyawan perusahaan lainnya. Infleksi sendiri telah menurunkan prioritas fokus konsumen pada chatbot Pi-nya. Dan Emad Mostaque, mantan kepala Stabilitas pembuat gambar AI, mengundurkan diri pada bulan yang sama di tengah laporan tekanan keuangan.

Sulit untuk tidak membantah bahwa bisnis-bisnis ini tumbuh berkat hiruk pikuk industri. Infleksi tumbuh pesat hingga penilaian $4 miliar setelah mendapatkan dukungan dari pendukung merek terkenal seperti Microsoft, Nvidia, dan mantan CEO Google Eric Schmidt; Stabilitas mendapatkan penilaian $1 miliar.

Namun hype tersebut mungkin menjadi masalah tersendiri – sesuatu yang diakui oleh bos Google DeepMind Demis Hassabis dalam sebuah wawancara dengan Financial Times yang diterbitkan pada hari Minggu.

Dia mengatakan sejumlah besar uang yang mengalir ke startup AI “membawa serta banyak sensasi dan mungkin kesedihan.” “Kita membicarakan segala macam hal yang tidak nyata,” tambahnya.

Terdapat perkembangan signifikan dalam AI sejak peluncuran ChatGPT, namun terdapat juga banyak hype seputar perkembangan di masa depan seperti penggunaan kecerdasan umum buatan – versi teoritis AI dengan kecerdasan yang setara dengan manusia.

Beberapa orang seperti Musk menganggap kedatangan AGI sudah dekat. Namun, ada pula yang lain, seperti François Chollet, pakar pembelajaran mendalam Google, yang mengatakan bahwa model AI saat ini masih jauh dari mencapai kecerdasan manusia.

Sampai tanda-tanda nyata dari keuntungan, AI tingkat manusia muncul, diperkirakan akan ada lebih banyak lagi yang menyebutnya sebagai hype.

Sumber: businessinsider.com

Alamat Lengkap Kami

Email:  info@konsultanpendidikan.com

AI baru Apple bertujuan untuk mengalahkan GPT-4

Perkembangan baru Apple dalam AI bertujuan untuk mengambil produk GPT OpenAI dan dapat membuat interaksi Anda dengan asisten virtual seperti Siri menjadi lebih intuitif.

Sistem ReaLM, yang merupakan singkatan dari “Reference Resolusi As Language Modeling,” memahami gambar dan konten di layar yang ambigu serta konteks percakapan untuk memungkinkan interaksi yang lebih alami dengan AI.

Sistem Apple yang baru mengungguli model bahasa besar lainnya seperti GPT-4 dalam menentukan konteks dan merujuk pada ekspresi linguistik, menurut para peneliti yang menciptakannya. Dan, sebagai sistem yang tidak terlalu rumit dibandingkan Model Bahasa Besar lainnya seperti seri GPT OpenAI, para peneliti menyebut ReaLM sebagai “pilihan ideal” untuk sistem penguraian konteks “yang dapat ada di perangkat tanpa mengorbankan kinerja.”

Misalnya, Anda meminta Siri untuk menampilkan daftar apotek setempat. Setelah melihat daftarnya, Anda mungkin memintanya untuk “Hubungi yang di Jalan Pelangi” atau “Hubungi yang terbawah”. Dengan ReaLM, alih-alih menerima pesan kesalahan yang meminta informasi lebih lanjut, Siri dapat menguraikan konteks yang diperlukan untuk menyelesaikan tugas tersebut dengan lebih baik daripada yang dapat dilakukan GPT-4, menurut peneliti Apple yang menciptakan sistem tersebut.

“Ucapan manusia biasanya mengandung referensi ambigu seperti ‘mereka’ atau ‘itu’, yang maknanya jelas (bagi manusia lain) mengingat konteksnya,” tulis para peneliti tentang kemampuan ReaLM. “Mampu memahami konteks, termasuk referensi seperti ini, sangat penting bagi asisten percakapan yang bertujuan untuk memungkinkan pengguna mengomunikasikan kebutuhan mereka secara alami kepada agen, atau melakukan percakapan dengannya.”

Sistem RealM dapat menafsirkan gambar yang tertanam dalam teks, yang menurut para peneliti dapat digunakan untuk mengekstrak informasi seperti nomor telepon atau resep dari gambar di halaman.

GPT-3.5 OpenAI hanya menerima input teks, dan GPT-4, yang juga dapat mengontekstualisasikan gambar, adalah sistem besar yang sebagian besar dilatih pada gambar alami, dunia nyata, bukan tangkapan layar — yang menurut para peneliti Apple menghambat kinerja praktisnya dan menjadikan ReaLM sebagai yang terdepan. pilihan yang lebih baik untuk memahami informasi di layar.

“Apple telah lama dianggap tertinggal dibandingkan Microsoft, Google, dan Amazon dalam mengembangkan AI percakapan,” The Information melaporkan. “Pembuat iPhone mempunyai reputasi sebagai pengembang produk baru yang hati-hati dan disengaja – sebuah taktik yang berhasil dengan baik untuk mendapatkan kepercayaan konsumen namun mungkin akan merugikannya dalam persaingan AI yang bergerak cepat.”

Namun dengan bocoran kemampuan ReaLM, tampaknya Apple bersiap untuk memasuki persaingan dengan sungguh-sungguh.

Para peneliti di balik ReaLM dan perwakilan OpenAI tidak segera menanggapi permintaan komentar dari Business Insider.

Masih belum jelas kapan atau apakah ReaLM akan diterapkan ke Siri atau produk Apple lainnya, namun CEO Tim Cook mengatakan dalam panggilan pendapatan baru-baru ini bahwa perusahaan “bersemangat untuk membagikan rincian pekerjaan berkelanjutan kami di AI pada akhir tahun ini.”

Sumber: businessinsider.com

Alamat Lengkap Kami

Email:  info@konsultanpendidikan.com

Kiamat Algoritmik

Bayangkan Anda adalah seorang manajer dana lindung nilai yang mencoba mendapatkan keuntungan. Untuk memaksimalkan keuntungan, Anda memutuskan untuk menginstal teknologi terbaru yang memungkinkan komputer menafsirkan perubahan angin pasar dan membuat ribuan pesanan dalam milidetik. Program ini membantu meningkatkan dana Anda untuk sementara waktu, namun kegembiraan awal berubah menjadi ketakutan saat Anda menyaksikan program tersebut menjadi nakal dan membeli ratusan juta saham dalam waktu kurang dari satu jam. Perusahaan Anda berusaha keras untuk menghentikan perdagangan, namun mereka tidak bisa, dan tiba-tiba Anda menghadapi kerugian besar, semua karena algoritma yang tidak terpasang dengan baik.

Kedengarannya distopia, bukan? Namun skenario bencana ini bukanlah hipotetis yang meresahkan tentang meningkatnya ancaman kecerdasan buatan; hal ini sebenarnya terjadi lebih dari satu dekade yang lalu ketika kesalahan pengkodean menyebabkan kerugian sebesar $440 juta bagi Knight Capital, yang akhirnya menyebabkan perusahaan tersebut menjual dirinya sendiri dengan diskon besar-besaran.

“Kecerdasan buatan” bukanlah “masa depan” — ini hanyalah istilah pemasaran untuk versi otomatisasi yang sedikit diperbarui yang telah mengatur kehidupan kita selama bertahun-tahun. Perusahaan telah menggunakan serangkaian nama untuk menyempurnakan teknologi mereka – otomatisasi, algoritme, pembelajaran mesin, dan kini AI – namun pada akhirnya, semua sistem ini bermuara pada gagasan yang sama: menyerahkan pengambilan keputusan kepada komputer untuk menjalankan tugas dengan cepat. jauh lebih cepat daripada yang bisa dilakukan manusia. Meskipun ada ketakutan yang semakin besar bahwa generasi baru AI akan menginfeksi kehidupan kita sehari-hari, membuat jutaan orang kehilangan pekerjaan, dan secara umum merugikan masyarakat, kebanyakan orang tidak menyadari betapa dalamnya pengambilan keputusan yang terkomputerisasi telah mempengaruhi setiap aspek kehidupan. keberadaan kita. Sistem ini didasarkan pada kumpulan data dan aturan yang diajarkan manusia kepada mereka, namun entah itu menghasilkan uang di pasar atau memberi kita berita, semakin banyak hidup kita berada di tangan sistem digital yang tidak dapat dipertanggungjawabkan.

Dalam banyak kasus, algoritma ini terbukti bermanfaat bagi masyarakat. Mereka telah membantu menghilangkan tugas-tugas biasa atau menyamakan kedudukan. Namun algoritma yang mendasari kehidupan digital kita kini semakin banyak membuat keputusan-keputusan meragukan yang memperkaya kekuasaan dan menghancurkan kehidupan orang-orang pada umumnya. Tidak ada alasan untuk takut terhadap AI yang akan mengambil keputusan untuk Anda di masa depan — komputer telah melakukan hal tersebut selama beberapa waktu.

Internet awal adalah pengalaman yang relatif dikurasi oleh manusia — kumpulan halaman web berbeda yang hanya dapat ditemukan jika Anda mengetahui alamat situs tersebut atau melihat tautan ke situs tersebut di situs lain. Hal ini berubah pada bulan Juni 1993, ketika peneliti Matthew Gray menciptakan salah satu “robot web” pertama, sebuah algoritma primitif yang dirancang untuk “mengukur ukuran web”. Penemuan Gray membantu menciptakan mesin pencari dan mengilhami banyak penerusnya — Jump Station, Excite, Yahoo, dan seterusnya. Pada tahun 1998, mahasiswa Stanford Sergey Brin dan Larry Page membuat lompatan berikutnya dalam mengotomatisasi internet ketika mereka menerbitkan makalah akademis tentang “mesin pencari web hiperteks berskala besar” yang disebut Google. Makalah ini merinci bagaimana algoritme mereka “PageRank” menilai pentingnya hasil web berdasarkan kueri pengguna, menyajikan situs yang paling relevan berdasarkan berapa banyak situs web lain yang tertaut ke sana — yang sangat masuk akal dalam skala yang jauh lebih kecil dan lebih besar. internet yang tidak bersalah.

Namun, dalam perjalanannya, industri teknologi beralih dari mengotomatisasi pekerjaan yang memperlambat hidup kita menjadi mendistorsi masyarakat dengan menyerahkan keputusan-keputusan penting kepada komputer.

Hampir tiga dekade setelah berdirinya Google, internet menjadi lebih otomatis. Hal ini memberikan banyak manfaat bagi kebanyakan orang — rekomendasi di Spotify dan Netflix membantu kita menemukan karya seni baru, robo-investor dapat membantu mengembangkan sarang telur dengan biaya rendah, dan aplikasi industri seperti robotika yang digunakan untuk memproduksi banyak kendaraan modern telah berhasil. perekonomian kita menjadi lebih efisien. Namun, dalam perjalanannya, industri teknologi beralih dari mengotomatisasi pekerjaan yang memperlambat hidup kita menjadi mendistorsi masyarakat dengan menyerahkan keputusan-keputusan penting kepada komputer.

Dalam banyak hal, makalah asli Google terasa seperti peringatan kelam. Mereka berpendapat bahwa mesin pencari yang didanai iklan akan “secara inheren bias” terhadap pengiklan tersebut. Maka tidak mengherankan jika para peneliti menemukan bahwa dengan memprioritaskan dana iklan dibandingkan hasil yang bermanfaat, algoritme Google menjadi semakin buruk, menurunkan sumber informasi penting bagi lebih dari 5 miliar orang. Dan ini bukan hanya mesin pencari. Algoritme yang berfokus pada pendapatan di balik jaringan seperti Facebook, Instagram, TikTok, dan Twitter telah mempelajari cara memberikan aliran konten yang menjengkelkan atau membuat marah kepada pengguna untuk meningkatkan keterlibatan pengguna. Ketika kendali manusia berkurang, konsekuensi nyata dari algoritma ini semakin bertambah: algoritma Instagram telah dikaitkan dengan krisis kesehatan mental pada remaja putri. Twitter mengakui bahwa teknologinya cenderung memperkuat tweet dari politisi sayap kanan, influencer, dan sumber berita, dan hal ini semakin memburuk sejak Elon Musk membeli situs tersebut. Cambridge Analytica menggunakan algoritma untuk menjaring data Facebook untuk menargetkan jutaan orang menjelang pemungutan suara Inggris untuk meninggalkan Uni Eropa dan pemilihan presiden AS pada tahun 2016.

Algoritma yang seharusnya membuat pekerjaan lebih mudah atau karyawan lebih produktif telah membantu menjadikan perekonomian tidak menguntungkan pekerja kerah biru dan orang kulit berwarna. Perusahaan seperti Amazon membuat keputusan perekrutan dan pemecatan berdasarkan perhitungan kalkulator yang diagungkan. Pelanggan juga mendapatkan dampak buruk dari AI: Investigasi yang dilakukan oleh Associated Press dan The Markup pada tahun 2019 menemukan bahwa algoritme yang digunakan dalam membuat keputusan pinjaman sangat bias terhadap orang kulit berwarna, dan pemberi pinjaman 80% lebih mungkin menolak orang kulit hitam. pelamar dibandingkan pelamar kulit putih serupa.

Dan masalah-masalah ini berlanjut ke sektor publik, sehingga meracuni layanan pemerintah dengan bias algoritmik. Pemerintah Inggris menghadapi skandal nasional pada tahun 2020 ketika penyelenggara mengganti hampir 40% ujian A-level siswa — sebuah ujian penting yang dapat menentukan kemampuan siswa untuk masuk universitas — dengan nilai yang dipilih secara algoritmik. Hasil ini secara signifikan menggarisbawahi siswa-siswa yang berasal dari sekolah-sekolah negeri yang bebas biaya sekolah, dan malah lebih memilih siswa-siswa yang bersekolah di sekolah-sekolah swasta di daerah-daerah makmur dan membuat kehidupan banyak anak muda menjadi kacau balau. Algoritme “belajar mandiri” yang digunakan oleh otoritas pajak Belanda memberikan sanksi palsu terhadap puluhan ribu orang karena diduga menipu sistem pengasuhan anak di negara tersebut, mendorong orang ke dalam kemiskinan dan menyebabkan ribuan anak ditempatkan di panti asuhan. Di AS, ProPublica menemukan dalam investigasi tahun 2016 bahwa algoritme yang digunakan di berbagai sistem pengadilan negara bagian untuk menilai seberapa besar kemungkinan seseorang melakukan kejahatan di masa depan bersifat bias terhadap warga kulit hitam Amerika, sehingga mengakibatkan hukuman yang lebih berat dari hakim.

Di sektor publik dan swasta, kami telah memberikan kunci pada jaring laba-laba algoritma yang dibangun dengan sedikit wawasan publik tentang cara mereka mengambil keputusan. Ada beberapa penolakan terhadap infiltrasi ini — FTC berupaya mengatur cara bisnis menggunakan algoritme, namun mereka belum melakukannya secara berarti. Dan secara lebih luas, tampaknya pemerintah sudah pasrah membiarkan mesin mengatur kehidupan kita.

Sumber: businessinsider.com

Alamat Lengkap Kami

Email:  info@konsultanpendidikan.com