داده‌های درون‌سازمانی و تغذیه مدل‌های هوشمندتر

فاطمه لطفی

در حالی که در ایران تصویر ساعت هوشمند رئیس سازمان پدافند غیرعامل موجی از انتقادها را برانگیخته، اکونومیست هشدار می‌دهد که حتی ایمیل‌های کارکنان شرکت‌ها هم می‌تواند مدل‌های هوش‌مصنوعی را برای جمع‌آوری داده‌ها آموزش دهد.
اکونومیست می‌نویسد: ابزارهای هوش مصنوعیِ یادداشت‌بردار می‌توانند به عنوان ابزاری برای افزایش بهره‌وری انسان‌ها دیده شوند. مثلا یادداشت‌برداری از جلساتی که در آنها حضور نداشتید. اما یادداشت‌برداران هوش مصنوعی کار دیگری هم انجام می‌دهند: تمرین جمع‌آوری داده برای سایر ماشین‌ها. با رونوشت‌ها می‌توان بررسی کرد که افراد چقدر مشارکت می‌کنند و کجا به آموزش نیاز است.
ممکن است این ایده که انواع مکالماتی که با همکارانتان دارید می‌تواند مسیر را برای هوش مصنوعی برتر هموار کند، خنده‌دار به نظر برسد. اما نبرد حقوقی در آمریکا بر سر خرید داده‌های شرکت هواپیمایی ورشکسته «اسپریت ایرلاینز» توسط گوگل خنده‌دار نیست. این غول فناوری برای دستیابی به داده‌های اسپریت، شامل ۱۰۰ میلیون پیام ایمیل و ۵۰۰ میلیون مورد از اطلاعات و جزئیات پلتفرم «تیمز»، پیشنهادی ۱۰ میلیون دلاری ارائه کرد.
خرید داده‌های شرکت هواپیمایی «اسپیریت» به توسعه‌دهندگان مدل‌هایی مانند گوگل، نه تنها اطلاعاتی مختص صنعت هوانوردی در زمینه قیمت‌گذاری و هزینه‌های سوخت را می‌دهد بلکه داده‌های آموزشی عمومی‌تری درباره مذاکرات و استراتژی هم فراهم می‌کند. چنین داده‌هایی معمولا در سطح عمومی اینترنت در دسترس نیستند. گرگ یوئینگ، از موسسه حقوقی «اسپنسر فین» می‌گوید: «بحث‌های انجام شده در ردیت (Reddit) روش مناسبی برای یادگیری نحوه اداره یک کسب‌وکار نیستند.»
معامله گوگل و اسپیریت با چالش‌هایی از سوی طرف‌های مختلفی روبروست؛ مخصوصا وقتی رقیبی به نام «مایکرو۱» هم مشتاق دسترسی به داده‌های این شرکت هواپیمایی باشد، و شرکت نرم‌افزاری «اسپرینگ‌شات» که معتقد است مالکیت معنوی‌اش در حال فروش است.
این توافق از سوی اتحادیه‌ای که نمایندگی مهمانداران پرواز شرکت «اسپیریت» را بر عهده دارد نیز به چالش کشیده شده؛ این اتحادیه استدلال می‌کند که توافق مذکور اطلاعات محرمانه کارکنان را هم دربر می‌گیرد.
به گفته جرمیاس آدامز-پراسل، استاد حقوق دانشگاه آکسفورد، اگر «اسپریت» یک شرکت هواپیمایی اروپایی بود، این معامله تاکنون با موانع بزرگی در زمینه حریم خصوصی مواجه می‌شد. بر اساس مقررات عمومی حفاظت از داده‌ها (GDPR)، داده‌هایی که با هدفی مشخص گردآوری شده‌اند، نمی‌توانند متعاقبا برای هدفی متفاوت مورد استفاده قرار گیرند؛ مفهومی که به آن «اصل محدودیت هدف» گفته می‌شود. در نتیجه آموزش مدل‌های هوش مصنوعی بر اساس مکاتبات کارکنان دشوار می‌شود؛ مکاتباتی که هدف اولیه‌شان کمک به عملکرد بهتر شرکت هواپیمایی بوده است.
در سال ۲۰۱۷، دادگاه حقوق بشر اروپا به پرونده «بوگدان باربولسکو» رسیدگی کرد؛ مهندس رومانیایی که پس از آنکه کارفرمایش مکاتبات او در یک حساب پیام‌رسان را دید، از کار اخراج شده بود. باربولسکو با امضای فرم‌هایی پذیرفته بود که این حساب کاربری صرفا کاربرد شغلی دارد و استفاده از آن برای امور شخصی ممنوع است. با این حال، دادگاه به این نتیجه رسید که «دستورالعمل‌های کارفرما نمی‌تواند زندگی اجتماعی خصوصی در محیط کار را به صفر برساند.»
با این حال آزمایشگاه‌های آمریکایی در حال جمع‌آوری داده‌های داخلی بیشتر و گسترش دامنه نفوذ خود هستند. ولی تبدیل تعاملات کارمندان به منبع تغذیه هوش مصنوعی هزینه‌های دیگری را تحمیل می‌کند. برای مثال رونوشت‌های جلسات هوش مصنوعی، میزان مطالب قابل کشف در دعاوی را به میزان زیادی افزایش می‌دهد.
کارکنان، فارغ از محل استقرارشان، دوست ندارند تحت نظارت باشند. برای نمونه مخالفت کارکنان در شرکت «متا» که قصد داشت برنامه‌ای را برای ثبت کلیک‌های ماوس و فشردن کلیدهای صفحه‌کلید توسط کارکنان، به اجرا درآورد.
با این حال، هوش مصنوعی احتمالا شیوه رفتار کارکنان را تغییر خواهد داد. در حال حاضر، ارتباطات در محیط کار ترکیبی از پیام‌های شخصی و حرفه‌ای است و حتی افراد رده‌بالا هم لزوما میان کار و زندگی شخصی تفکیک قائل نمی‌شوند؛ برای نمونه، یکی از مدیران حوزه فناوری تعریف می‌کند که هنگام دسترسی به داده‌های یک مشتری، رمزهای عبور مدیرعامل آن شرکت را در یک فایل «وُرد» پیدا کرده است.
اما اگر افراد تصور کنند که قرار است از داده‌های درون‌سازمانی برای آموزش مدل‌هایی هوشمندتر استفاده شود، مدل‌هایی که حتی پس از خودِ آن شرکت‌ها نیز پابرجا می‌مانند،کارکنان محتاط‌تر و تدافعی‌تر رفتار خواهند کرد. و محیط کار حرفه‌ای‌تر، اما کسل‌کننده‌تر خواهد شد.

@NewJournalism
✅ @commac