یادگیری ماشین و علوم شهروندی؛ فرصتها و چالش های تعامل انسان و رایانه

در عصر کلان داده، دانشمندان با کار طاقت فرسای تحلیل انبوهی از داده ها مواجهند و استفاده از تکنیک های یادگیری ماشین یکی از راه حل های احتمالی برای حل این معضل است. علوم شهروندی از حوزه هایی است که هوش انسانی و مصنوعی را می توان برای تسهیل در این امور به طرق مختلف با هم ترکیب کرد. این مقاله، با توجه به ابهامات موجود در عملکرد ماشین و مدیریت داده های تولیدشده توسط کاربر، به توضیح چگونگی سازگاری یادگیری ماشین با ایده ی شهروندی فعال و شرایط لازم برای پیشرفت در علوم شهروندی و فراتر از آن می پردازد.

این پژوهش به روش مروری و بر اساس مطالعه جامع و نظام مند متون مرتبط با یادگیری ماشین، علوم شهروندی و تعامل انسان و رایانه انجام شده است.

 بسیاری از مشکلات تحقیقاتی از نظر محاسباتی لاینحل به نظر می رسند و به مهارت های شناختی انسان نیاز دارند. لذا در نتیجه ی فعالیت های طبقه بندی ای که اکثرا در پروژه های علوم شهروندی با مقیاس بزرگ انجام می شود، علاوه بر مشارکت کننده که احتمالا مطالبی درباره ی علم می آموزد، ماشین نیز با آموختن مطالبی درباره ی فعالیت های انسان ابتدا از آن تقلید می کند و به مرور میزان یادگیری آن افزایش می یابد. اما در عین حال گسترش استفاده از هوش مصنوعی و به ویژه یادگیری ماشین بحث های زیادی درباره ی اشکال مختلف ابهامات و سوگیری های ناشی از آن ها به دنبال داشته است که در پروژه های مرتبط نیاز به توجه جدی دارد.

استفاده از تکنیک های یادگیری ماشین مزایای زیادی دارد، که از آن جمله می توان به کاهش زمان طبقه بندی و ارزیابی کارشناسانه ی تصمیم گیری در مجموعه های بزرگی از داده اشاره کرد. با این حال، الگوریتم ها غالبا به منزله ی جعبه ی سیاهی هستند که سوگیری های داده در نگاه اول در آن ها قابل مشاهده نیست و توجه به این امر می تواند از مخاطرات جدی در روند استفاده ازین تکنیک ها بکاهد.