(English Version Below)

ギャップを埋める：AI開発における社会的文脈の理解

人工知能（AI）は急速に進化し、私たちの生活に統合されています。しかし、AIベースの製品や技術は社会的文脈の中で展開されるということを理解することが重要です。この文脈は、社会的、文化的、歴史的、政治的、経済的な状況から成り、これらの技術の効果と影響に大きな影響を与えます。しかし、AI製品の開発中にこの社会的文脈をどれだけ理解しているのでしょうか？さらに深く探ってみましょう。

Google ResearchのテクニカルプログラムマネージャーであるDonald Martin, Jr.によると、製品が運用される社会的文脈は、開発段階では十分に明確にされていないことが多いと言います。これにより、「問題理解のギャップ」が生じ、開発者は解決しようとする問題に対する浅い、定量的な理解を持つ一方で、製品のユーザーや社会のステークホルダーは、これらの問題に近い位置にいるため、深い定性的な理解を持つことになります。このギャップは、不公平なバイアスを拡大させることさえある壊れやすいAIソリューションを生み出す可能性があります。

典型的な例として、広く使用されている医療アルゴリズムで見つかった人種的バイアスがあります。このアルゴリズムは、特別なプログラムの対象となる最も複雑な医療ニーズを持つ患者を選び出すために設計されましたが、運用される社会的文脈の理解が不完全だったため、バイアスが発生しました。医療へのアクセスの欠如、医療制度への信頼の欠如、人間のバイアスによる診断の遅れといった重要な社会構造的要因が見落とされ、複雑な健康ニーズの予測因子として医療費が強調されました。

このギャップを埋めるためには、開発者に社会的文脈の知識を提供するツールが必要です。GoogleのSocietal Context Understanding Tools and Solutions（SCOUTS）は、「信頼できる、スケーラブルな社会的文脈の知識を人々に提供し、責任ある堅牢なAIを実現し、世界の最も複雑な社会的問題を解決する」という使命に焦点を当てた専門の研究チームです。

結論として、社会的文脈の理解はAI開発において重要であることが明らかです。単に「知能」を持つシステムを開発するだけでは不十分で、その運用される社会的文脈を理解し、尊重する「賢い」システムを開発する必要があります。結局のところ、私たちを理解していないシステムは、私たちに真に奉仕することはできません。

Bridging the Gap: Understanding Societal Context in AI Development

Artificial Intelligence (AI) has been rapidly evolving and integrating into our lives. However, it’s crucial to understand that these AI-based products and technologies are deployed within a societal context. This context, consisting of social, cultural, historical, political, and economic circumstances, greatly influences the effectiveness and impact of these technologies. But how well do we understand this societal context during AI product development? Let’s delve deeper.

According to Donald Martin, Jr., a Technical Program Manager at Google Research, the societal context in which a product operates often isn’t articulated well enough during the development stage. This leads to a “problem understanding chasm” where developers have a shallow, quantitative understanding of the problems they seek to solve, while product users and society stakeholders, who are closer to these problems, have a deep qualitative understanding. This chasm can result in fragile AI solutions that can even propagate unfair biases.

A classic example is the racial bias discovered in a widely used healthcare algorithm. The algorithm, designed to select patients with the most complex healthcare needs for special programs, showed bias due to an incomplete understanding of the societal context in which it was operating. Critical socio-structural factors like lack of access to healthcare, lack of trust in the health care system, and underdiagnosis due to human bias, were overlooked while healthcare spending was highlighted as a predictor of complex health needs.

To bridge this chasm, developers need tools that provide community-validated and structured knowledge of societal context. Google’s Societal Context Understanding Tools and Solutions (SCOUTS) is one such dedicated research team focused on the mission to “empower people with the scalable, trustworthy societal context knowledge required to realize responsible, robust AI and solve the world’s most complex societal problems.”

In conclusion, it’s evident that the understanding of societal context is crucial in AI development. It’s not enough to just develop ‘intelligent’ systems; we need to develop ‘wise’ systems that understand and respect the societal context in which they operate. After all, a system that doesn’t understand us can never truly serve us.

References

[1] Shawn joy. ”Chatbots vs. Virtual Assistants: Understanding the Differences”. 2023-07-21.

[2] https://ai.googleblog.com/feeds/posts/default?alt=rss. ”Using societal context knowledge to foster the responsible application of AI”. 2023-07-20.

[3] The Editors. ”Introducing MIT Technology Review Roundtables, real-time conversations about what’s next in tech”. 2023-07-20.

[4] Melanie Li. ”Efficiently train, tune, and deploy custom ensembles using Amazon SageMaker”. 2023-07-20.

[5] Peng Qian. ”Efficient k-Nearest Neighbors (k-NN) Solutions with NumPy”. 2023-07-20.

Other References and Readings

[1] Davide Burba. ”Gradient Boosting: a Silver Bullet in Forecasting”. 2023-07-20

[2] Mario Namtao Shianti Larcher. ”Enel automates large-scale power grid asset management and anomaly detection using Amazon SageMaker”. 2023-07-20

[3] Benjamin Marie. ”ReLoRa: Pre-train a Large Language Model on Your GPU”. 2023-07-20

[4] Soner Yıldırım. ”10 Ways to Add a Column to Pandas DataFrames”. 2023-07-20

免責事項：このサイトのコンテンツは、精巧に作られたプロンプトに基づいて人工知能によって生成されています。私たちが使用しているテクノロジーは、正確でタイムリーな情報を提供することを目指して設計されています。しかし、高品質のコンテンツを提供することを目指している一方で、人工知能システムが人間のように内容と文脈を完全に理解することはできないという点を明記しておきます。提供される情報は、あくまでご自身の調査や専門家との相談の出発点として使用するべきであり、意思決定の唯一の根拠として依存すべきではありません。

Disclaimer: The content on this site is generated by artificial intelligence based on carefully crafted prompts. The technology we use is designed to provide accurate and timely information. However, while we aim to provide high-quality content, it is important to note that the artificial intelligence system does not fully understand the content and context in the way that a human does. The information provided should be used as a starting point for your own research or consultation with a professional, and should not be relied upon as the sole basis for making decisions.