Päätöksenteon yhdenvertaisuuden haasteet koneoppimisavusteisessa päätöksenteossa

Abstract

Tämän tutkimuksen tarkoituksena oli selvittää, mitä tulee huomioida yhdenvertaisessa koneoppimisessa. Keskustelua eettisestä tekoälystä ja siihen liittyvästä päätöksenteon eettisyydestä käydään yhä enenevissä määrin. Tutkimuksen tarkoituksena oli tutustua tarkemmin koneoppimisen yleisiin menetelmiin sekä ottaa selvää mistä ja miksi koulutusaineistoihin ja lopputuotteisiin voi päätyä puolueellisuutta. Puolueelliset vinoumat koneoppimisavusteisessa päätöksenteossa voivat pahimmassa tapauksessa estää yhdenvertaisuuden toteutumisen päätöksenteossa. Työ jakaantuu kolmeen osaan. Ensin esittelen koneoppimisen neljä yleisintä menetelmää, jotka ovat ohjattu oppiminen, ohjaamaton oppiminen, vahvistusoppiminen ja syväoppiminen. Pohdin työssä eri näkökulmia datan puolueellisuuteen, jotka nousevat esiin kirjallisuudesta. Koneoppiminen on yksi tekoälyn osa-alueista, ja kirjallisuus esittää, että tekoälyn varhaisilla vaiheilla sekä sen koko kehityskaarella olisi vaikutusta puolueellisuuksien syntymiseen. Luonnontieteellisten ja teknisten alojen sukupuolivinouma voi myös johtaa puolueellisuuteen tekoälyn lopputuotteissa. Yhtä lailla laajamittaiset tekstianalyysit paljastavat tiettyjen arvojen ja yhteiskunnallisten normien olevan puolueellisia naisia kohtaan ja niin nivoutuneita yleiseen kielenkäyttöön, että tekstianalyyseilla koulutettu koneoppimisalgoritmi ei välttämättä kykene havaitsemaan puolueellisuutta. Tutkimuksen tuloksena on, että erityisesti riski puolueellisuuksien syntymiseen on läsnä ohjatussa oppimisessa sekä syväoppimisessa. Luokittelua ylipäätään käsiteltiin, joka on eniten läsnä ohjatun ja ohjaamattoman oppimisen menetelmissä. Siitä kirjallisuus on yksimielinen, että koneoppimisalgoritmien tuottamien tulosten selitettävyys on ensisijaisen tärkeää eli se, että jälkikäteen voidaan kertoa miten algoritmi on päätynyt tiettyyn tulokseen. Tässä työssä esitetään neljä ratkaisua puolueellisuuden vähentämiseksi koneoppimisavusteisessa päätöksenteossa. Tutkimuksen perusteella voidaan olettaa, että riski puolueellisuuksien syntymiselle ja yhdenvertaisuusperiaatteiden noudattamatta jättämiselle on olemassa nykyhetken tekoälyn sovelluksissa.