“Yapay zeka, toplumumuzdaki ve yapay zeka eğitim verilerinde kendini gösteren önyargıları yansıtıyor.”
Merhaba, bugün herkesin gündeminde olan yapay zeka ve cinsiyet ayrımcılığı konusunun detaylarına gireceğiz. Öncelikle yapay zeka bildiğiniz üzere insan zekasını taklit eden ve sürekli kendini geliştiren bir sitemdir. Çalışma biçimi büyük ölçekli verileri akıllı algoritmalar ve yinelemeli işlemlerle birleştirerek gerçekleşir. Cinsiyet ayrımcılığı, yanılgısı ise tam olarak bu veri kısmında meydana gelmektedir.
Berkeley Haas Eşitlik, Cinsiyet ve Liderlik Merkezi tarafından yapılan bir araştırmada, 133 tane ayrı yapay zeka sistemi incelendi. Bu incelemeler sonucunda yaklaşık yüzde 44 oranında cinsiyet ayrımcılığı, yüzde 25 ise de hem cinsiyet hem ırk ayrımcılığı gösterdiğini buldu.
Peki cinsiyet ayrımcılığı nedir? Konuya cinsiyet ayrımcılığının tanımı ile başlayalım. Cinsiyet ayrımcılığı, kadın ve erkek rollerinin toplumda farklı şekillerde ele alınmasının, adil olmayan yaklaşımlara neden olabileceği bir durumdur. Yani toplumda erkek bunu yapar, kadın şunu yaparın genel adıdır.
Örneğin, erkeklerin para kazanma ve ev geçindirme, kadınların ise çocuk bakma ve ev temizleme rolleri gibi geleneksel kalıplar, bu ayrımcılığın temelini oluşturur. Bu yapay zekaya nasıl yansıyor açıklayalım. Belki İnstagram sosyal medya platformunda daha önce duymuş olabileceğiniz Beyza Doğuç adlı bir sanatçımız var.
Beyza Doğuç genelde yapay zekayı kullanarak kendi müzik anlayışıyla bizlere güzel eserler ortaya çıkarmaktadır. Yine yapay zekayı kullanarak bir roman yazmaya başlamıştı. Bu romanı yazmak için Generative AI adlı yapay zeka programını kullanmak istedi. Bu programı kullanırken cinsiyet ayrımcılığına maruz kaldı ve bunu yapan bir yapay zeka programıydı. Generative AI yapay zeka programını da biraz anlatırsam kullanıcının sorularına göre eğitildiği benzer içerik ve verilerden yeni içerikler oluşturur. Bunlar metin, resim olabilir. Bir zamanlar Google çevirilerde de gördüğümüz o yaygın ayrımcılığı burada da gözlemlendi.
Doktor bir birey dediğinde erkek cinsiyetini, hemşire bir bireyi dediğinde kadın cinsiyetini kullandığını gözledi Beyza Doğuç çalışmasında. Bunu farklı komutlar girerek tekrar tekrar test ettiğinde yine aynı sonuçları aldı. En sonunda yapay zekaya bu ayrımcılık durumunu sorunca en baştaki veri kısmına geri geldik. Yapay zekanın eğitildiği veriler yüzünden böyle cevaplar verdiği, bu yüzden de verilerin içeriğinin ne kadar önemli olduğunu bir kez daha anlamış olduk.
Bir başka çalışma örneği sağlık alanından. Sağlık alanında yapılan çoğu çalışma erkeklerin üstünde ilerlemiştir. Daha da açıklarsam eğer kadın bedeni, sağlığı konusundaki çalışmalar erkeklere oranla daha azdır. Bu yapay zeka verilerine de yansımaktadır. Natacha Sangwa bu konu üzerine şunu demiştir: ‘‘Kadınlar hastalıklarını teşhis etmek için YZ destekli bazı sistemler kullandıklarında, genellikle yanlış teşhis alıyorlar çünkü YZ kadınlara özel semptomların farkında değil.” Bu da aslında bizleri kadınları keşfetmeye, kendimiz üzerine daha fazla çalışma yapmaya yönlendiriyor.
Sonuç olarak, yapay zeka için verinin önemini ama özellikle kalitesinin önemini çok net bir şekilde görüyoruz. Özellikle bu alanda çalışacak kadınlara ne kadar ihtiyacımızın olduğunu, sistemi erkek egemen bir noktaya bırakmamamız gerektiğini vurgulamak istiyorum. Sistemdeki kadınlara dair bilgi dengesizliğini ve toplumsal kalıpları yıkmayı başarmak yine bizlerin elindedir. Yeni verilerle yapay zekaya yön verebiliriz; böylece dengesizlik, eşitsizlik ve bilgisizlik sorunlarını ortadan kaldırabiliriz.
Özlem YILMAZ
