Abstract

هدف از این پژوهش نقد به رویکردی است که راهکار برطرف شدن چالش‌هایِ اخلاقیِ هوشِ مصنوعیِ را محدود به طراحی و اصلاحات فنی می‌داند. برخی پژوهش‌گران چالش‌های اخلاقی در هوش مصنوعی را همگرا تلقی می‌کنند و معتقدند این چالش‌ها همانطور که با ظهور سیستم هوش مصنوعی پدید آمدند، با پیشرفت و اصلاحات فنی آن مرتفع خواهند شد. در مباحثِ اخلاقِ هوش مصنوعی، موضوعاتی همچون حفاظت از حریم خصوصی و شفافیت در بیشتر پژوهش‏ها مورد توجه قرار گرفته است. در پژوهش حاضر با استفاده از روشِ تحلیلی-انتقادی، همگرایی میان شفافیت و حریم خصوصی در سیستم‌های یادگیری ماشین بررسی شده و رویکردی که رفع چالش‌های اخلاقی را به طراحی هوش مصنوعی محدود می‌داند به نقد گذاشته شده است. نتایج این بررسی نشان می‏دهد که همگرایی میان چالش‌های اخلاقی هوش مصنوعی وجود ندارد. همچنین با مطرح کردن سه چالش کمی‏سازی، محدودیت‏های تکنیکی و مباحث فرااخلاقی به نقد رویکردهایی که تنها بر طراحی و اصلاحات فنی متکی هستند پرداخته شد. نتایج این بخش نشان می‌دهد که نمی‌توان تنها با تکیه بر طراحی، به چالش‌های اخلاقی در هوش مصنوعی پاسخ داد و نیاز به استفاده از سایر روش‌ها مانند قانون‌گذاری و یا پیشرفت در سایر علوم در کنار توجه به طراحی وجود دارد. This research aims to criticize the approach that considers the solution to the ethical challenges of artificial intelligence (AI) to be only in design and technical improvements. Some researchers consider the ethical challenges in AI to be convergent, which emerge with the advent of AI systems and are resolved with technical progress and improvements. In the discussions of the ethics of AI, issues such as privacy and transparency have been the focus of most studies. In the present research, using the analytical-critical method, the convergence between transparency and privacy in machine learning systems was investigated, and the approach that limits the resolution of ethical challenges to AI design was criticized. The research findings indicate that there is no convergence between the ethical challenges of AI. Additionally, by raising three challenges of quantification, technical limitations, and meta-ethical issues, the criticism of approaches that rely solely on design and technical improvements was addressed. The results also indicates that it is not possible to respond to the ethical challenges of AI only by relying on design, and there is a need to use other methods such as legislation or progress in other sciences in addition to attention to design.