Page 124 - Studia Universitatis Hereditati, vol 13(1) (2025)

»personalizirana«, upodatkovljena, optimizira- navaja primer sistemov prepoznavanja čustev, ki
na prihodnost nas v resnici že nestrpno čaka. Če izhajajo iz psiholoških teorij iz 70. let prejšnje-
se posameznik v bližnji prihodnosti ne bo »sre- ga stoletja (denimo psihologa Paul Ekmana), ki
čal« s svojo lastno prihodnostjo, morajo korpo- izhajajo iz predpostavke, da obstaja šest univer-
racije zgolj popraviti in utežiti napovedni model. zalnih čustev, ki jih vsi izražamo na obrazu in
Posledično se bo zlovešče udejanjila tudi nekoli- ki jih lahko s pomočjo ustreznih tehnik določi-
ko parafrazirana Wittgensteinova misel: meje ve- mo. Nedavne raziskave so pokazale, da ne obsta-
likega podatkovja postajajo meje našega sveta. ja zanesljiva korelacija med obraznimi ekspresija-
mi in našimi dejanskimi občutki (Corbyn 2021).
Vizualne metafore umetne inteligence Poleg tega korelacija ne pomeni vzročne poveza-
Če v iskalnik vtipkamo izraz »umetna inteli- nosti. Marsikdo se, denimo, kljub globoki žalos-
genca« oz. »artificial intelligence« in izberemo ti pred ljudmi pojavi »popravljen«, običajno gre
124 zadetke v rubriki »slike«, bomo prejeli vizual- za kulturno preferiran nasmeh.
ne reprezentacije (metafore) umetne inteligen- Uveljavlja se mitologija, da je umetna inte-
ce, najpogosteje so to slike možganov ali robotov ligenca ključen sodobni tehnološki proces, ki bo
studia universitatis hereditati, letnik 13 (2025), številka 1 / volume 13 (2025), number 1
z možgani na praviloma modri podlagi. Gre za spremenil življenje, komuniciranje, delo, proce-
»čutnonazorne« analogije tekstualnih metafo- si umetne inteligence naj bi tudi razrešili proble-
ričnih izrazov, ki umetni inteligenci pripisuje do- me bolezni, dezinformacij, sovražnega govora in
ločene človeške značilnosti: umetna inteligenca, urbane mobilnosti. Gre za znani tehnološki so-
strojno učenje, nevronske mreže. Fenomen umet- lucionizem, vero v prevratno moč tehnologije za
ne inteligence razumemo in doživljamo skozi razreševanje problemov. Zgolj ljudje lahko razre-
značilnosti drugega pojava, človeških možganov šijo nekatere družbene probleme, umetna inte-
(Wallenborn 2022). V ozadju so upi in pričako- ligenca pa lahko prispeva k inovacijam v druž-
vanja, da so sistemi umetne inteligence analog- benih podsistemih in spremeni življenje, toda
ni človeškemu umu in da ob zadostnem učenju ne avtomatično v smeri javnega dobra (Katzen-
(in zadostnih podatkih) lahko simulirajo človeš- bach 2019, 194). Tako se vračamo k človeku in
ko inteligenco. Umetna inteligenca je dejansko problemu javnega dobra. Kateri podatki so rele-
širši koncept, namenjen simuliranju človeške in- vantni za krepitev javnega dobra, in še pred tem,
teligence, torej za izvajanje kompleksnejših opra- kaj je javno dobro? Ali je to treniranje in dresi-
vil (analiza, razumevanje, reševanje problemov), ranje posameznikov v »nasmejane in pridne«
strojno učenje pa je podpodročje umetne inte- ali v »cele« ljudi? Je pomembno, da smo »ospo-
ligence (kreiranje algoritmov, uporaba statistič- ljeni« ali da smo »celi«? Če družbo »trenira-
nih metod, iskanje vzorcev v podatkih, napo- mo« in socializiramo tako, da svet vidi skozi ka-
vedovanje in klasificiranje). Dejansko govorimo tegorije spola ali rase, se bo tak »trening« seveda
zgolj o hitrejšem procesiranju klasifikacije po- odrazil tudi v načinih, kako treniramo umetno
datkov. Kate Crawford opozarja, da so proble- inteligenco.
mi pristranskih klasifikacijskih sistemov umet- Tehnološki solucionizem širijo korporaci-
ne inteligence navzoči na vsakem koraku, tudi v je, ki razvijajo aplikacije za strojno učenje z na-
fazi razvoja. Težava je sam način, kako je umetna menom učinkovitega organiziranja vsebine in
inteligenca trenirana, da vidi svet. Učni podat- za potrebe osmišljevanja velike količine podat-
ki, uporabljeni za strojno učenje kot podpodro- kov. Tehnologije strojnega učenja seveda lahko
čje umetne inteligence, se običajno kategorizira- pospešujejo procese, problemi enakosti, raznoli-
jo. Ljudi se uvršča v eno od dveh kategorij spola, kosti, diskriminacije in pristranskosti pa se lah-
na podlagi barve kože v eno od rasnih katego- ko v okolju avtomatizacije ter v procesih umetne
rij, na podlagi zunanje podobe se jim skuša pri- inteligence celo poglobijo in ne odpravijo (Ka-
pisovati moralne ali etične značilnosti. Avtorica tzenbach 2021, 1–2). Drugače rečeno, če procese