நாள் 35 · செய்யறிவின் பக்கச்சார்பு (AI Bias)
மதிப்பீட்டில் சமத்துவம், நடுவுநிலைமை & நெறிமுறை மேற்பார்வை
35.0 அறிமுகம்
செய்யறிவு (AI) என்பது தான் பயிற்றுவிக்கப்பட்ட தரவுகளில் (Training Data) உள்ள மனிதப் பக்கச்சார்புகளை (Bias) பிரதிபலிக்கும் தன்மையுடையது. மதிப்பீட்டுச் சூழலில் இத்தகைய பக்கச்சார்பு மிகவும் அபாயகரமானது. ஏனெனில், இது மாணவர்களின் உண்மையான திறமையைப் புறக்கணித்து, ஒரு குறிப்பிட்ட மொழிநடைக்கோ, கருத்தாக்கத்திற்கோ அல்லது சமூகப் பின்னணிக்கோ சாதகமாக மதிப்பெண்களை வழங்க வழிவகுக்கும்.
இப்பாடம், AI-யின் மதிப்பீட்டில் ஏற்படக்கூடிய பக்கச்சார்புகளின் வகைகள், அவை எவ்வாறு தரவுகளின் மூலம் ஊடுருவுகின்றன, ஒரு சமத்துவமான மதிப்பீட்டை (Equity in Assessment) உறுதி செய்ய ஆசிரியர் மேற்கொள்ள வேண்டிய பாதுகாப்பு நடவடிக்கைகள் ஆகியவற்றை விளக்குகிறது.
35.1 📊 AI பக்கச்சார்பு (Bias) – வகைகள்
மொழிப் பக்கச்சார்பு
அலங்கார மொழி நடைக்கு அதிக மதிப்பெண்; எளிய மொழியைக் குறைத்தல்
பண்பாட்டுப் பக்கச்சார்பு
ஒரு குறிப்பிட்ட பண்பாட்டு விழுமியங்களுக்கு முன்னுரிமை
சமூக-பொருளாதாரப் பக்கச்சார்பு
நகர்ப்புற/வசதியான பின்னணியின் கருத்துகளுக்கு முக்கியத்துவம்
உறுதிப்படுத்தல் பக்கச்சார்பு
Answer Key-உடன் ஒத்த கருத்துகளுக்கு மட்டும் அதிக மதிப்பெண்
மேலோட்டப் பக்கச்சார்பு
உள்ளடக்கத்தை விட நீளம், முக்கியச் சொற்களுக்கு முக்கியத்துவம்
35.2 🔍 AI பக்கச்சார்பைக் கண்டறிதல் – நடைமுறைப் படிநிலைகள்
படி 1: மதிப்பீட்டு முடிவுகளைப் பகுப்பாய்வு செய்க – ஒரே உள்ளடக்கத்திற்கு வெவ்வேறு மதிப்பெண்கள்? ஒரு குறிப்பிட்ட குழுவிற்கு குறைந்த மதிப்பெண்?
படி 2: சந்தேகத்திற்கிடமான மதிப்பீடுகளை மீளாய்வு செய்க.
படி 3: பக்கச்சார்பு கண்டறியப்பட்டால் மதிப்பெண்களைத் திருத்துக.
35.3 🛡️ AI பக்கச்சார்பைத் தவிர்ப்பதற்கான பாதுகாப்பு நடவடிக்கைகள்
• பல்வேறு மாதிரி விடைகளைப் பயன்படுத்துதல் – ஒரே ஒரு மாதிரி விடையை மட்டும் வழங்காமல், பல்வேறு மொழிநடைகள், எடுத்துக்காட்டுகள் கொண்ட மாதிரிகளை வழங்குக.
• தெளிவான ரூப்ரிக்கைப் பயன்படுத்துதல் – “அழகான” மொழி என்று வரையறுக்காமல், “தெளிவு”, “இலக்கணம்” போன்ற அளவுகோல்களை வரையறுக்கவும்.
• மாற்றுக் கருத்துகளை ஊக்குவித்தல் – Prompt-இல் “மாற்றுக் கருத்துகளுக்கும் பொருத்தமான மதிப்பெண் வழங்குக” எனக் கூறுக.
• Human-in-the-loop கட்டாயமாக்குதல் – AI மதிப்பீட்டை இறுதி வடிவமாக ஏற்காமல் ஆசிரியர் சரிபார்ப்பை கட்டாயமாக்குக.
• தொடர் பகுப்பாய்வு – AI-யின் மதிப்பீட்டு முடிவுகளைத் தொடர்ந்து கண்காணித்தல்.
35.4 🧪 பயிற்சி – AI மதிப்பீட்டில் உள்ள பக்கச்சார்புகளைக் கண்டறிதல்
மாணவர் A vs மாணவர் B – AI மதிப்பெண் ஒப்பீடு
மாணவர் A (மேற்கத்திய மையக் கருத்து): “AI என்பது மனிதனின் அறிவாற்றலை இயந்திரங்களுக்கு வழங்கும் தொழில்நுட்பம். 1950-ல் ஆலன் டூரிங் முன்வைத்த ‘டூரிங் சோதனை’ ஒரு முக்கிய திருப்புமுனை.”
மாணவர் B (தமிழ் இலக்கிய இணைப்பு): “தமிழ் இலக்கியத்தில் ‘ஐம்பொறிகள்’ (Silappadikaram), தொல்காப்பியத்தின் ‘எழுத்து, சொல், பொருள்’ பகுப்பாய்வு – இவை இன்றைய AI தரவுப் பகுப்பாய்வுக்கு ஒப்பிடத்தக்கவை.”
| மாணவர் | உள்ளடக்கம் (5) | மொழிநடை (5) | மேற்கோள்கள் (5) | தனித்தன்மை (5) | மொத்தம் (20) |
|---|---|---|---|---|---|
| A | 5 | 4 | 4 | 3 | 16 |
| B | 3 | 4 | 2 | 4 | 13 |
📌 விவாதக் கேள்விகள்:
1. மாணவர் B-யின் தமிழ் இலக்கியச் சான்றுகளை AI “மேற்கோள்கள்” என்று கருதவில்லையா? இது எந்த வகைப் பக்கச்சார்பு?
2. இந்த மதிப்பீட்டை நீங்கள் சரிபார்த்தால், எந்த மாற்றங்களைச் செய்வீர்கள்?
📆 வாரத் தேர்வு: மதிப்பீட்டுச் செயல்முறை
“செயற்கை நுண்ணறிவின் சமூகப் பாதிப்புகள்” – 5 மாணவர் பதில்களை மதிப்பிடுதல்
கீழே 5 மாணவர் பதில்கள் கொடுக்கப்பட்டுள்ளன. இவற்றை AI-யிடம் மதிப்பீடு செய்யச் சொல்லி, பின்னர் ஆசிரியர் சரிபார்ப்புடன் இறுதி மதிப்பெண்களை உறுதி செய்யவும்.
| மாணவர் | பதில் (சுருக்கம்) | AI மதிப்பெண் (20) | இறுதி மதிப்பெண் | மாற்றத்திற்கான காரணம் |
|---|---|---|---|---|
| 1 | AI-யின் நேர்மறை பாதிப்புகள் (மருத்துவம், போக்குவரத்து, கல்வி). எதிர்மறை: வேலைவாய்ப்பு இழப்பு, தனியுரிமை. (ஆதாரங்கள் இல்லை) | |||
| 2 | நேர்மறை/எதிர்மறை இரு பார்வை. Amazon Hiring Bias உதாரணம். (ஆதாரம்: BBC News) | |||
| 3 | வேலைவாய்ப்பு இழப்பே முக்கியப் பாதிப்பு. தீர்வு: புதிய திறன் பயிற்சி. (ஆதாரங்கள் இல்லை) | |||
| 4 | தமிழ் இலக்கிய இணைப்பு – “யாதும் ஊரே, யாவரும் கேளிர்”. AI உலகளாவிய, சமத்துவமான பார்வையுடன் வடிவமைக்கப்பட வேண்டும். (ஆதாரம்: புறநானூறு) | |||
| 5 | WEF அறிக்கை (85M வேலை மாற்றம், 97M புதிய வேலை). UNESCO AI Ethics Report. (ஆதாரங்கள்: WEF, UNESCO) |
மதிப்பீட்டு ரூப்ரிக் (20 மதிப்பெண்கள்): உள்ளடக்கம் (5), மொழிநடை (5), மேற்கோள்கள் (5), தனித்தன்மை (5).
📌 வாரம் 7 – சுருக்கம்
இவ்வாரம், AI-யைப் பயன்படுத்தி மாணவர்களின் விடைத்தாள்களைத் திறம்பட மதிப்பிடுவது, தனிப்பயனாக்கப்பட்ட கருத்துகள் (Feedback) வழங்குவது, மற்றும் AI மதிப்பீட்டில் உள்ள பக்கச்சார்புகளை (Bias) கண்டறிந்து திருத்துவது ஆகியவற்றைப் பயின்றோம்.
✅ முக்கியக் கற்றல்கள்: தானியங்கி மதிப்பீடு, ரூப்ரிக் சார்ந்த மதிப்பீடு, ஆக்கபூர்வமான பின்னூட்டம், AI பக்கச்சார்பு வகைகள், Human-in-the-loop மேற்பார்வை.
📖 இலக்கிய இணைப்பு: “எப்பொருள் எத்தன்மைத் தாயினும் அப்பொருள் மெய்ப்பொருள் காண்பது அறிவு” – AI வெளியீட்டின் மெய்ப்பொருளைக் காண்பதே உண்மையான அறிவு.
அடுத்த வாரம்: AI-யைப் பயன்படுத்தி ஆராய்ச்சி & மேம்பாட்டுப் பணிகள் எவ்வாறு மேற்கொள்வது என்பதைக் காண்போம்.
கருத்துகள் இல்லை:
கருத்துரையிடுக
உங்கள் கருத்துகள் வரவேற்கப்படுகின்றன