| English to Arabic: Education Technology’s Machine Learning Problem—and Responsibility | |
Source text - English
The Data Problem
What makes machine learning work is data—but that data can be biased in problematic ways that can lead to misleading and disturbing outcomes. (Ming referenced the time when Google’s image recognition algorithms classified black people as gorillas.)
“When you’re doing this in advertising, who cares if you get some of it wrong,” Ming said. “When you’re doing it in diagnostics or in education or in hiring, you potentially just ruined someone’s life. You have a real moral obligation to understand why your system is making the recommendations it’s making.”
Education and human development is complex, Ming noted, and there’s still not a mass of training data that connects what activities four-year-olds do with their parents in the evenings to what their life outcomes will be. In complex data sets, particularly ones with lots of human data, she warned, the number of spurious correlations that don’t actually mean anything are often more common than evidence of reliable causal relationships. | Translation - Arabic
مشكلة تكنلوجيا التعليم في تعلم الآلة والمسؤولية
August 16, 2018
|
ترجمة: مجد العصيمي | المدققة: لطيفة المهيني
الكاتب: تينا نازرين
من Formula 1 إلى Yelp، تبحث الصناعات في جميع المجالات عن طرق لتطبيق التعلم الآلي في عملهم. حتى الأكاديميون ومحللو جولدمان ساكس حاولوا استخدامه للتنبؤ بالفائز بكأس العالم. (أُثبتت هذه التنبؤات أنها خاطئة جدًا).
ولكن كيف يسير امر التعلم الآلي في التعليم –وكيف يؤثر على الطلاب والمعلمين وأولياء الأمور، والشركات التي تبني أدوات التكنولوجيا لدعم التعليم والتعلم؟
في اجتماع SF Edtech، الذي استضافته EdSurge في 10 يوليو، اجتمع أربعة من أعضاء اللجنة لمناقشة التحديات المتعلقة بنشر التعلم الآلي في الفصل الدراسي وقاعة الاجتماعات. وكان المتحدثون هم كارلوس إسكابا (المدير الرئيسي، تطوير الأعمال في مجال الذكاء الاصطناعي، خدمات أمازون ويب)، وفيفيان مينغ (المؤسس والرئيس التنفيذي لشركة Socos Labs)، وماثيو راميريز (مدير إدارة المنتج، أدوات الكتابة في تعلم الذكاء الاصطناعي، Chegg) وأندرو ساذرلاند (CTO) والشريك المؤسس، Quizlet).
مصدر الصورة: unsplash
مشكلة البيانات
ما يجعل التعلم الآلي يعمل هو البيانات - ولكن يمكن أن تكون البيانات متحيزة بطرق إشكالية يمكن أن تؤدي إلى نتائج مضللة ومقلقة. (أشارت مينغ إلى الوقت الذي صنفت فيه خوارزميات التعرف على الصور من Google الأشخاص السود على أنهم غوريلا.)
وقالت مينغ: "عندما تستعمل تلك البيانات في الإعلانات، من يهتم إذا واجهت بعض الأخطاء." "عندما تستعملها في مجال التشخيص أو التعليم أو التوظيف، فمن المحتمل أن تكون قد دمرت حياة شخص ما. لديك التزام أخلاقي حقيقي لفهم سبب قيام نظامك بالتوصيات التي يقدمها. "
تقول مينغ إن التعليم والتنمية البشرية معقدة، ولا توجد حتى الآن كتلة من بيانات التدريب التي تربط ما تقوم به الأنشطة التي يقوم بها طفل يبلغ من العمر أربع سنوات مع والديه في المساء إلى ما ستكون عليه نتائج حياته. وحذرت من أنه في مجموعات البيانات المعقدة، خاصة تلك التي تحتوي على الكثير من البيانات البشرية، فإن عدد الارتباطات الزائفة التي لا تعني في الواقع أي شيء غالباً ما تكون أكثر شيوعاً من دليل على علاقات سببية يمكن الاعتماد عليها. |
Portfolio