ទិដ្ឋភាពទូទៅ

ការរើសអើង AI (AI discrimination) ដែលត្រូវបានគេស្គាល់ផងដែរថាជា ភាពលំអៀងនៃក្បួនដោះស្រាយ (algorithmic bias) គឺជាបាតុភូតដែលប្រព័ន្ធបញ្ញាសិប្បនិម្មិតបង្កើតលទ្ធផលដែលមានការរើសអើង ឬមិនយុត្តិធម៌ចំពោះក្រុមមនុស្សមួយចំនួន ដោយផ្អែកលើលក្ខណៈដូចជា ពូជសាសន៍ ភេទ វ័យ ស្ថានភាពសេដ្ឋកិច្ច ឬពិការភាពជាដើម។ យោងតាម Wikipedia បានពន្យល់ថា ភាពលំអៀងនេះច្រើនកើតឡើងពីទិន្នន័យដែលមានស្រាប់ដែលប្រើក្នុងការបង្ហាត់ម៉ូដែល AI ដែលឆ្លុះបញ្ចាំងពីការរើសអើងជាប្រវត្តិសាស្ត្រក្នុងសង្គម ឬពីការរចនាក្បួនដោះស្រាយដែលខ្វះការត្រួតពិនិត្យ។

នៅក្នុងយុគសម័យឌីជីថលនេះ ប្រព័ន្ធ AI ត្រូវបានប្រើប្រាស់កាន់តែខ្លាំងឡើងក្នុងការសម្រេចចិត្តដែលមានផលប៉ះពាល់ធំធេងដល់ជីវិតមនុស្ស ដូចជាការជ្រើសរើសបុគ្គលិក ការផ្តល់ប្រាក់កម្ចី ការវាយតម្លៃហានិភ័យបទល្មើស និងសូម្បីតែការធ្វើរោគវិនិច្ឆ័យជំងឺ។ BBC ធ្លាប់បានរាយការណ៍ថា បើគ្មានការត្រួតពិនិត្យត្រឹមត្រូវទេ ប្រព័ន្ធ AI មិនត្រឹមតែចម្លងភាពលំអៀងពីសង្គមប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងអាចពង្រីកភាពអយុត្តិធម៌នោះឱ្យកាន់តែធ្ងន់ធ្ងរឡើងថែមទៀត។

ប្រវត្តិសាស្ត្រ

ការយល់ដឹងអំពីការរើសអើងដោយប្រព័ន្ធ AI បានចាប់ផ្តើមលេចធ្លោឡើងនៅពាក់កណ្តាលទសវត្សរ៍ឆ្នាំ២០១០។ តាម Wikipedia ករណីដ៏គួរឱ្យកត់សម្គាល់មួយគឺនៅឆ្នាំ២០១៥ នៅពេលដែលកម្មវិធី Google Photos បានផ្តិតស្លាករូបថតជនជាតិស្បែកខ្មៅថាជាសត្វហ្គរីឡា (gorilla) ដោយសារតែទិន្នន័យបង្ហាត់មិនមានតំណាងគ្រប់គ្រាន់ ហើយក្បួនដោះស្រាយមិនអាចបែងចែកបានត្រឹមត្រូវ។ ព្រឹត្តិការណ៍នេះបានបង្ហាញពីហានិភ័យនៃ AI ដែលមិនបានត្រួតពិនិត្យ និងបានជំរុញឱ្យមានការស្រាវជ្រាវកាន់តែស៊ីជម្រៅ។

នៅឆ្នាំ២០១៦ ការសិក្សាមួយដោយស្ថាប័នសារព័ត៌មាន ProPublica បានបង្ហាញថាក្បួនដោះស្រាយ COMPAS ដែលប្រើដោយតុលាការក្នុងសហរដ្ឋអាមេរិកដើម្បីព្យាករណ៍ហានិភ័យនៃការប្រព្រឹត្តបទល្មើសឡើងវិញ មានភាពលំអៀងប្រឆាំងនឹងជនជាប់ចោទអាមេរិកាំងអាហ្វ្រិក។ តាមការរាយការណ៍របស់ BBC ករណី COMPAS បានក្លាយជាចំណុចរបត់មួយ ដែលនាំឱ្យមានការពិភាក្សាជាសកលអំពីយុត្តិធម៌ក្នុង AI និងតម្រូវការនៃតម្លាភាពក្នុងក្បួនដោះស្រាយ។

ក្នុងឆ្នាំបន្តបន្ទាប់ ការសិក្សាជាច្រើនបានបង្ហាញពីភាពលំអៀងក្នុងប្រព័ន្ធសម្គាល់ផ្ទៃមុខ (facial recognition)។ តាមការស្រាវជ្រាវដែលបានចុះផ្សាយក្នុងឆ្នាំ២០១៨ ដោយវិទ្យាស្ថាន MIT និង Microsoft Research ប្រព័ន្ធទាំងនេះមានអត្រាកំហុសខ្ពស់ជាងចំពោះស្ត្រីនិងអ្នកដែលមានស្បែកងងឹត ដែលបង្កការព្រួយបារម្ភយ៉ាងខ្លាំងនៅពេលដែលបច្ចេកវិទ្យានេះត្រូវបានប្រើប្រាស់ដោយកងកម្លាំងអនុវត្តច្បាប់។

ប្រភេទ និងឧទាហរណ៍

ការរើសអើង AI អាចត្រូវបានចាត់ថ្នាក់ជាទម្រង់មួយចំនួន ដោយផ្អែកលើប្រភពដើមនៃភាពលំអៀង។ យោងតាម Wikipedia គេអាចបែងចែកបានដូចខាងក្រោម៖

• ភាពលំអៀងពីទិន្នន័យ (data bias)៖ កើតឡើងនៅពេលដែលទិន្នន័យប្រើសម្រាប់បង្ហាត់ម៉ូដែល AI មិនមានតំណាងគ្រប់គ្រាន់នៃប្រជាជនទាំងមូល ឬផ្ទុកនូវការរើសអើងជាប្រវត្តិសាស្ត្រ។ ឧទាហរណ៍ដែលឃើញជាញឹកញាប់គឺនៅក្នុងវិស័យធនធានមនុស្ស ដែលប្រព័ន្ធជ្រើសរើសបុគ្គលិក AI អាចបដិសេធបេក្ខជនស្ត្រីដោយសារតែទិន្នន័យប្រវត្តិសាស្ត្របានបង្ហាញថាបុរសត្រូវបានជ្រើសរើសច្រើនជាង។

• ភាពលំអៀងពីការរចនាក្បួនដោះស្រាយ (algorithmic bias)៖ ទោះបីជាទិន្នន័យមានតុល្យភាពក៏ដោយ ក្បួនដោះស្រាយអាចបង្កើតលទ្ធផលលំអៀង ប្រសិនបើវាផ្តោតទៅលើលក្ខណៈដែលមិនពាក់ព័ន្ធប៉ុន្តែទាក់ទងដោយប្រយោលជាមួយនឹងក្រុមដែលត្រូវបានការពារ។ ឧទាហរណ៍ ប្រព័ន្ធផ្តល់ប្រាក់កម្ចី AI អាចប្រើអថេរដូចជា "លេខកូដតំបន់" ដែលអាចជាប់ទាក់ទងនឹងពូជសាសន៍ ដោយមិនប្រើពូជសាសន៍ដោយផ្ទាល់។

• ភាពលំអៀងក្នុងការប្រើប្រាស់ (deployment bias)៖ កើតឡើងនៅពេលដែលប្រព័ន្ធ AI ត្រូវបានប្រើប្រាស់ក្នុងបរិបទដែលវាមិនត្រូវបានបង្កើតឡើងសម្រាប់ ឬដោយគ្មានការយល់ដឹងពីដែនកំណត់របស់វា។ នេះជាកត្តាប្រឈមនៅក្នុងប្រទេសកំពុងអភិវឌ្ឍន៍ ដែលបច្ចេកវិទ្យាអន្តរជាតិត្រូវបានដាក់ឱ្យប្រើភ្លាមៗដោយគ្មានការកែតម្រូវតាមបរិបទក្នុងស្រុក។

តាមការរាយការណ៍របស់ BBC ក្នុងឆ្នាំ២០២៤ បញ្ហាទាំងនេះបាននាំឱ្យមានការអំពាវនាវពីអ្នកជំនាញឱ្យមានសវនកម្ម AI ជាកាតព្វកិច្ចសម្រាប់ប្រព័ន្ធដែលប្រើក្នុងវិស័យសាធារណៈ និងឯកជន។

ការពាក់ព័ន្ធបច្ចុប្បន្ន

នៅកម្រិតសកល ការប្រយុទ្ធប្រឆាំងនឹងការរើសអើង AI កំពុងទទួលបានការយកចិត្តទុកដាក់ខ្ពស់ពីសំណាក់រដ្ឋាភិបាល និងស្ថាប័នអន្តរជាតិ។ តាមការរាយការណ៍របស់ Reuters នៅឆ្នាំ២០២៥ សហភាពអឺរ៉ុបបានដាក់ឱ្យអនុវត្តជាផ្លូវការនូវច្បាប់ EU AI Act ដែលជាក្របខណ្ឌច្បាប់គ្រប់គ្រង AI ដំបូងគេក្នុងពិភពលោក ដោយកំណត់កាតព្វកិច្ចតឹងរឹងសម្រាប់ប្រព័ន្ធ AI ដែលមានហានិភ័យខ្ពស់ រួមទាំងការហាមឃាត់ការប្រើបច្ចេកវិទ្យាដែលបង្ករើសអើងជាក់ស្ដែងផងដែរ។

នៅសហរដ្ឋអាមេរិក កិច្ចខិតខំប្រឹងប្រែងផ្នែកនីតិប្បញ្ញត្តិដូចជា Algorithmic Accountability Act កំពុងត្រូវបានពិភាក្សា ដោយមានគោលដៅបង្ខំឱ្យក្រុមហ៊ុនធ្វើការវាយតម្លៃលើហានិភ័យនៃការរើសអើងក្នុងប្រព័ន្ធ AI របស់ពួកគេ។ ក្រុមហ៊ុនបច្ចេកវិទ្យាយក្សដូចជា Google និង Microsoft ក៏បានបង្កើតក្រុមការងារឯកទេស ដើម្បីដោះស្រាយភាពលំអៀងនៅក្នុងផលិតផលរបស់ខ្លួន ប៉ុន្តែអ្នករិះគន់មួយចំនួននៅតែចោទសួរអំពីប្រសិទ្ធភាពនៃវិធានការទាំងនោះ ដោយសារកង្វះការត្រួតពិនិត្យឯករាជ្យ។

សម្រាប់ប្រទេសកម្ពុជា ប្រធានបទនេះនៅមិនទាន់មានភាពលេចធ្លោខ្លាំងនៅឡើយទេ ប៉ុន្តែការជ្រៀតចូលយ៉ាងឆាប់រហ័សនៃ AI ក្នុងវិស័យហិរញ្ញវត្ថុ សេវាធនាគារតាមអនឡាញ និងកម្មវិធីរដ្ឋាភិបាលឌីជីថល ធ្វើឱ្យការយល់ដឹងអំពីការរើសអើង AI កាន់តែមានសារៈសំខាន់។ ក្រុមអ្នកសង្កេតការណ៍ក្នុងតំបន់បានព្រមានថា បច្ចេកវិទ្យាដែលនាំចូលពីក្រៅប្រទេសអាចនាំមកនូវភាពលំអៀងដែលមិនត្រូវគ្នានឹងបរិបទសង្គមខ្មែរ ដូច្នេះការអភិវឌ្ឍសមត្ថភាព និងគោលនយោបាយក្នុងស្រុកគឺជាកត្តាចាំបាច់បំផុត។

ជាសរុប ការរើសអើង AI មិនគ្រាន់តែជាបញ្ហាបច្ចេកទេសនោះទេ ប៉ុន្តែវាគឺជាបញ្ហាសង្គមដែលទាមទារការចូលរួមពីគ្រប់ភាគីពាក់ព័ន្ធ។ នៅក្នុងពិភពលោកដែល AI កំពុងក្លាយជាផ្នែកមួយនៃជីវិតប្រចាំថ្ងៃ ការធានាឱ្យបាននូវភាពយុត្តិធម៌នៅក្នុងប្រព័ន្ធទាំងនេះ គឺជាបេសកកម្មមួយដែលមិនអាចព្រងើយកន្តើយបានឡើយ។