أخلاقيات الذكاء الاصطناعي
أخلاقيات AI في الدليل ليست كلامًا عامًا عن “الاستخدام الجيد”. هي طريقة لفحص أثر النظام على الكرامة، الخصوصية، السلامة، المشاركة، والتمييز. أهميتها في سياق التوحد أن كثيرًا من الأطر الأخلاقية لا تذكر الاختلاف العصبي بوضوح، لذلك يحتاج الناشطون إلى إدخال هذه الزاوية.
لماذا تهم الناشطين؟
AI يدخل قطاعات تؤثر على الحقوق: صحة، تعليم، عمل، خدمات، أمن، وعدالة. إذا كانت المؤسسات أصلًا تحمل تحيزًا ضد الأشخاص التوحديين، فقد يجعل AI هذا التحيز أسرع وأصعب رؤية. لذلك تصبح الأخلاقيات أداة مساءلة: ما القيم؟ ما المبادئ؟ من يراقب؟ ومن يتحمل المسؤولية؟
القيم
يعرض الدليل قيمًا متوافقة مع توصيات مثل توصية UNESCO لأخلاقيات AI:
- حقوق الإنسان والكرامة: لا يجوز أن يُستخدم AI لتقليل قيمة الشخص أو فرض معيار “طبيعي” ضيق.
- مجتمعات عادلة ومترابطة: يجب أن يدعم AI الفهم والتواصل، لا أن يعمق العزل.
- التنوع والشمول: يجب أن يتضمن التصميم اختلافات حسية ومعرفية وتواصلية.
- الاستدامة البيئية: AI له كلفة مادية وطاقية، ولا ينبغي تجاهل أثره البيئي.
المبادئ
يحرك الدليل هذه القيم إلى مبادئ عملية:
- التناسب وعدم الضرر: لا تستخدم AI إذا كان الحل الأبسط والأقل خطرًا كافيًا.
- السلامة والأمن: يجب اختبار الأنظمة في سياقات حقيقية، مع خطط إيقاف وتصحيح.
- الخصوصية وحماية البيانات: اجمع أقل قدر ممكن، وامنح الشخص معرفة وسيطرة وحق انسحاب.
- الحوكمة التشاركية: القرارات يجب أن تشمل الأشخاص التوحديين وحلفاءهم، لا الخبراء التقنيين فقط.
- المسؤولية والمساءلة: لا يكفي أن يكون “النظام أخطأ”. يجب وجود جهة مسؤولة.
- الشفافية والشرح: على الناس معرفة متى يستخدم AI وكيف ولماذا وحدوده.
- الإشراف البشري: القرارات عالية الأثر لا ينبغي أن تكون مؤتمتة بالكامل.
- الوعي والقدرة: المجتمعات تحتاج فهمًا عمليًا لـ AI كي لا تُستبعد من النقاش.
- العدالة وعدم التمييز: يجب فحص الانحياز ضد طرق التواصل والحركة والإدراك المختلفة.
من المبدأ إلى المتطلب
حوّل المبادئ إلى متطلبات قابلة للفحص:
- التناسب يعني إثبات أن AI ضروري، لا مجرد أنه ممكن.
- عدم الضرر يعني خطة واضحة لرصد الضرر بعد الإطلاق.
- الخصوصية تعني تقليل البيانات، لا فقط كتابة سياسة طويلة.
- الشفافية تعني شرحًا يفهمه المستخدم، لا وثيقة تقنية مغلقة.
- الإشراف البشري يعني سلطة فعلية لتغيير القرار.
- المشاركة تعني ميزانية ووقتًا وتأثيرًا موثقًا.
أنواع التحيز
يقسم الدليل التحيز إلى ثلاث طبقات مترابطة:
- تحيز بشري: افتراضات المصممين والباحثين والمراجعين، مثل تفسير غياب التواصل البصري كعدم اهتمام.
- تحيز مؤسسي: قواعد وسجلات وممارسات تاريخية تميز ضد أشخاص معينين، ثم تتحول إلى بيانات تدريب.
- تحيز إحصائي أو حاسوبي: بيانات غير ممثلة، نماذج غامضة، أو أخطاء في طريقة التصنيف والتقييم.
في سياق التوحد، لا يكفي تصحيح النموذج. يجب تصحيح السؤال نفسه: هل نحاول فهم الشخص ودعمه، أم قياس قربه من معيار غير توحدي؟
اختبار تحيز سريع
اسأل عن خمس طبقات:
- البيانات: من يمثله التدريب؟ ومن يغيب؟
- التصنيف: ما الفئات التي يستخدمها النظام؟ وهل هي عادلة؟
- السياق: أين سيستخدم النظام؟ ومن يملك القرار؟
- الواجهة: هل يستطيع أشخاص بطرق تواصل مختلفة استخدامها؟
- الأثر: من يخسر إذا أخطأ النظام؟
إذا كان الفريق لا يعرف من قد يتضرر، فهذا بحد ذاته خطر أخلاقي.
معيار عملي
الأداة الأخلاقية لا تعد فقط بـ “دقة أعلى”. يجب أن تقول ما الذي لن تفعله: لن تشخص وحدها، لن تفرض التطبيع، لن تجمع بيانات بلا ضرورة، لن تحوّل اختلاف التواصل إلى خطر، ولن تمنع الاعتراض البشري.
مخرج عملي
اكتب “ميثاق استخدام” قصير لأي مشروع AI:
- الغرض المحدد.
- الاستخدامات الممنوعة.
- أنواع البيانات المسموحة والممنوعة.
- طريقة الاعتراض.
- طريقة إشراك الأشخاص التوحديين.
- آلية مراجعة دورية.