kursus komputer SEBAGAI seorang mahasiswa S3 sains KOMPUTER, saya adalah murid dari data besar. Saya melihat tidak ada tanah yang terlalu suci untuk statistik: Saya telah menggunakannya untuk mempelajari segala sesuatu mulai dari seks sampai Shakespeare, dan mendapatkan balasan marah atas upaya-upaya ini untuk membuat matematika yang tak terlukiskan. Di Stanford saya diberi, sebagai seorang remaja, senjata-senjata baik yang elegan dan mematikan — algoritma yang dapat memilih teroris yang paling berharga dalam sebuah jaringan, mendeteksi ketidakpuasan seseorang terhadap pemerintah dari tulisan online mereka.
Ilmu komputer sangat menakjubkan. Masalahnya adalah banyak orang di Silicon Valley percaya bahwa itu yang terpenting. Anda melihat ini ketika perekrut di pameran karir menjelaskan bahwa mereka hanya tertarik pada ilmuwan komputer; di celah gaji antara mahasiswa teknik dan non-teknik; dalam tampilan yang membingungkan mahasiswa humaniora mendapatkan ketika mereka berani mengungkapkan jurusan mereka. Saya telah menyaksikan para ilmuwan komputer yang cemerlang menunjukkan ketidaktahuan yang menyedihkan dari populasi yang mereka pelajari sehingga saya tertawa di wajah mereka. Saya telah menyaksikan para ilmuwan militer menyajikan inovasi mematikan mereka dengan antusiasme anak-anak sambil tidak menyebutkan siapa senjata itu digunakan. Ada beberapa hal yang lebih menakutkan daripada seorang ilmuwan yang dapat memberikan ceramah akademis tentang cara menembak manusia tetapi tidak dapat memberi alasan apakah Anda harus menembak mereka sama sekali.
Kenyataan bahwa begitu banyak ilmuwan komputer tidak mengetahui atau menghina pendekatan non-teknis adalah mengkhawatirkan karena dalam pekerjaan saya, saya terus-menerus menghadapi pertanyaan yang tidak dapat dijawab dengan kode. Ketika saya berkode di Coursera, sebuah perusahaan pendidikan online, saya mengembangkan sebuah algoritma yang akan merekomendasikan kelas kepada orang-orang sebagian berdasarkan jenis kelamin mereka. Tetapi perusahaan memutuskan untuk tidak menggunakannya ketika kami menemukan itu akan mendorong perempuan menjauh dari kelas ilmu komputer.
Ternyata bahwa efek ini — di mana algoritme membenamkan kesenjangan sosial — adalah salah satu yang terjadi di domain dari peradilan pidana hingga pemberian skor kredit. Ini adalah dilema yang sulit: Dalam peradilan pidana, misalnya, Anda dihadapkan dengan fakta bahwa suatu algoritma yang memenuhi desiderata statistik dasar juga lebih mungkin untuk menilai terdakwa hitam sebagai berisiko tinggi bahkan ketika mereka tidak akan melanjutkan ke melakukan kejahatan lain.
Saya tidak punya solusi untuk masalah ini. Namun saya tahu bahwa saya tidak akan menemukannya dalam buku teks algoritma saya; Saya jauh lebih mungkin menemukan fakta-fakta yang relevan dalam karya Ta-Nehisi Coates tentang diskriminasi sistemik atau Michelle Alexander dalam penahanan massal.
Proyek pengkodean pribadi saya juga menyajikan pertanyaan etis yang sangat rumit. Haruskah saya menulis sebuah program komputer yang akan mengunduh komunikasi dari ribuan remaja yang menderita gangguan makan yang dipasang di situs web anoreksia nasihat? Tulis sebuah program untuk memposting pesan anonim, bunuh diri di ratusan forum perguruan tinggi untuk melihat perguruan tinggi mana yang paling memberikan dukungan? Jawaban saya untuk pertanyaan-pertanyaan ini, kebetulan, adalah "tidak". Tapi saya mempertimbangkannya. Dan kemuliaan dan bahaya komputer adalah bahwa mereka memperbesar dampak dari keinginan Anda: dorongan menjadi program yang dapat melukai ribuan orang.
Mungkin lebih efisien membiarkan ilmuwan komputer melakukan apa yang terbaik — menulis kode — dan meminta orang lain mengatur produk kita? Ini tidak cukup. Coders mendorong produk keluar dengan kecepatan yang menyilaukan, sering disembunyikan dalam kerahasiaan industri; pada saat undang-undang menangkap, jutaan orang bisa dirugikan. Diperlukan pelatihan etika bagi para profesional di bidang lain sebagian karena penting bagi dokter dan pengacara untuk dapat bertindak secara etis bahkan ketika tidak ada yang melihat dari atas bahu mereka. Selanjutnya, para ilmuwan komputer perlu membantu peraturan kerajinan karena mereka memiliki keahlian teknis yang diperlukan; sulit untuk mengatur bias algoritmik dalam kata-kata embeddings jika Anda tidak tahu apa kata embedding.
Berikut beberapa langkah maju. Universitas harus mulai dengan pelatihan yang lebih luas untuk siswa ilmu komputer. Saya menghubungi delapan program sarjana top di bidang ilmu komputer, dan menemukan bahwa sebagian besar tidak mengharuskan siswa untuk mengambil kursus tentang masalah etika dan sosial dalam ilmu komputer (meskipun beberapa menawarkan kursus opsional). Kursus semacam itu sulit untuk diajarkan dengan baik. Para ilmuwan komputer sering tidak menganggapnya serius, merasa tidak nyaman dengan pemikiran non-kuantitatif, terlalu percaya diri karena mereka secara matematis brilian, atau yakin bahwa utilitarianisme adalah jawaban untuk segalanya. Tetapi universitas perlu mencoba. Profesor perlu menakut-nakuti siswa mereka, untuk membuat mereka merasa mereka telah diberi keterampilan bukan hanya untuk menjadi kaya tetapi untuk menghancurkan kehidupan; mereka perlu merendahkan mereka, untuk membuat mereka menyadari bahwa betapa pun bagusnya mereka dalam matematika, masih banyak yang tidak mereka ketahui.
Kurikulum yang lebih terfokus secara sosial tidak hanya akan membuat para pengkode kurang cenderung menimbulkan bahaya; itu mungkin juga membuat mereka lebih mungkin berbuat baik. Sekolah-sekolah top menghambur-hamburkan terlalu banyak bakat teknis mereka pada pengejaran sosial yang tidak berguna dan bermanfaat, seperti perdagangan algoritmik. Seperti Andrew Ng, seorang ilmuwan komputer Stanford, menegur sebuah ruangan penuh mahasiswa Stanford yang ia coba rekrut ke Coursera: "Anda harus bertanya pada diri sendiri, mengapa saya belajar ilmu komputer? Dan untuk banyak siswa, jawabannya tampaknya, jadi saya bisa mendesain aplikasi media sosial terbaru ... Saya percaya kita bisa membangun hal-hal yang lebih berarti dari itu. "
Ada banyak langkah yang harus diambil perusahaan teknologi juga. Organisasi harus mengeksplorasi masalah sosial dan etis yang dihasilkan produk mereka: Google dan Microsoft layak mendapatkan kredit untuk meneliti diskriminasi algoritmik, misalnya, dan Facebook untuk menyelidiki ruang gema. Permudah peneliti eksternal untuk mengevaluasi dampak produk Anda: transparan tentang cara kerja algoritme dan berikan akses ke data berdasarkan perjanjian penggunaan data yang sesuai. (Peneliti juga perlu diizinkan untuk mengaudit algoritma tanpa dituntut.) Tanyakan pertanyaan sosial atau etika dalam wawancara perekrutan, bukan hanya yang algoritmik; jika manajer perekrutan bertanya, siswa akan belajar bagaimana menjawabnya. (CEO Microsoft pernah ditanya, dalam wawancara teknis, apa yang akan dia lakukan jika melihat bayi tergeletak di persimpangan: jawaban yang jelas untuk mengambil bayi itu tidak terjadi padanya).
Perusahaan harus mempekerjakan orang-orang yang dirugikan atau dikecualikan oleh produk mereka: yang wajahnya sistem penglihatan komputer mereka tidak mengenali dan tersenyum emoji mereka tidak menangkap, yang resume mereka peringkat sebagai kurang relevan dan yang pilihan perumahan mereka membatasi, yang dikerumuni oleh online troll mereka membantu mengatur dan tidak banyak mengontrol. Pekerjakan non-komputer-ilmuwan, dan bawa mereka untuk berbicara saat makan siang; minta mereka menantang pandangan dunia dari dunia kerja. Ada kemungkinan bahwa mendengarkan ilmuwan non-komputer akan memperlambat mesin Silicon Valley: Beragam pandangan dunia dapat menghasilkan argumen. Tetapi melambat di tempat-tempat di mana orang-orang yang masuk akal bisa tidak setuju adalah hal yang baik. Di era di mana pemilu bahkan dimenangkan dan hilang di medan perang digital, perusahaan teknologi harus bergerak lebih cepat dan memecahkan lebih sedikit barang..
ITech Course - Jl. KH. Ahmad Dahlan No. 1 Metro Pusat, Imopuro, Metro Pusat, Kota Metro, Lampung 34111
Tidak ada komentar:
Posting Komentar