Користење на вештачката интелигенција (AI) за унапредување на родовата еднаквост во академските истражувањаПристрасност во вештачката интелигенција влијанието врз родовата еднаквост и патот кон правичните алгоритми Авторка Матеа Каралиева Вовед: Вештачката интелигенција е претставена од машини и софтвери и е гранка од компјутерската наука која развива машини и софтвер со интелигенција .Трудовите велат дека таа е дизајн на интелигентен агент односно систем спосоен за перцепирање на околината и преземање на активности кои му ги максимизираат шансите за успех. Вештачката интелигенција полека но сигурно станува дел од нашиот секојдневен живот и целосно го менува начинот на кој живееме. Нејзините алгоритми се на ниво на човековата интелигенција и секојдневно се користат во различни области од животот на пример во медицината. Во ерата на дигиталната револуција, вештачката интелигенција (AI) станува сè поприсутна во нашите животи, обликувајќи ги нашите секојдневни интеракции, деловни одлуки и општествени процеси. Она што честопати е во сенка е прашањето за родовата еднаквост во овие алгоритми . Иако во денешницата тие алгоритми односно AI ни е претставен како неутрален објект сепак повеќе истражувања покажуваат дека може да се создаде родова пристрасност.Само 22% од АI професионалците се глобално жени што укажува на длабока родова нееднаквост во оваа област . Дали Вештачката интелигенција може да ги продлабочи проблемите со родовата еднаквост во светот или може да биде значително моќна алатка во борбата против неа .Токму оваа семинарска работа го опфаќа тоа прашање и има за цел да ги истражи начините на кои AI влијае врз родовата еднаквост и да понуди конкретни примери во родовата дискриминација и да го истражи патот кон развој на правични и родово сензитивни алгоритми .Темата е актуелна , бидејќи во време кога технологијата се повеќе учествува во обликување на општеството , потребно е да се стреми и кон родовата еднаквост .Оваа семинарска работа ги истражува формите и причините за пристрасноста во вештачката интелигенција , со посебен фокус на нејзините ефекти врз родовата еднаквост . Главен дел : Разбирање на пристрасноста во вештачката интелигеција Вештачката интелигенција функционира врз основа на податоци и алгоритми , ова е некој одреден доказ дека таа не е имуна на пристрасности . Напротив таа може да ги наследи репродуцира па дури и засили постоечките социјални нееднаквости .За да може полесно да разбереме како функционира ова мора да ги разгледаме видовите на пристрасност и начинот на кој тие се вгнездуваат во технолошките системи . Пристрасноста во вештачката интелигенција е произведена од луѓето што ја развиваат технологијата од податоците кои тие ги користат и од општествениот контекст во кој системите се имплементираат .Првиот извор на пристраснот се податоците за обука или training data кои претставуваат збир на информации (текст, слики , броеви , звуци ) кои се користат за обучување на модел на вештачката интелигенција . Односно тоа е примерок од светот кој на алгоритмот му се дава за да научи како да препознава шаблони, донесува одлуки или предвидува одредени резултати.Доколку податоците за обука содржат пристрасности тогаш алгоритмот ќе има во предвид пристрасна слика за светот што ќе ја применува понатаму и може да доведе до неправедни и дискриминаторни резултати. Алгоритмите на Вештачката интелигенција учат од историјата , а историјата често е обележана со системски нееднаквости. Вештачката интелигенција нема да направи разлика помеѓу тоа што било и тоа што правилно треба да е . Пристрасноста во Вештачката интелигенција се јавува кога алгоритмите , обучени на податоци што содржат историски и општествени предрасуди , произведуваат резултати што се неправедни или дискриминаторски . Постојат неколку вида на пристрасности во системите на Вештачката Интелигенција : Пристрасноста може исто така да биде и индиректна односно доколку одредени групи имаат системска нееднаквост во пристап до образование или професионални можности тогаш алгоритмот индиректно ќе ги дискриминира токму поради тие неутрални карактеристики . Сериозноста на пристрасноста се повеќе добива и глобално внимание особено преку работата на истражувачи како што е Џој Буоламвини која во своето истражување открива дека системите за препознавање на лица кај паметните уреди имаат најголем процент на грешки кај жени со потемен тен . Во една студија се покажува точност од 99% за препознавање на мажи со светла кожа ,но само 65% кај жени со потемна кожа. Причината за ова е многу едноставна : алгоритмите односно нивните податоци за обука во ова истражување се претежно мажи со светол тен. Пристрасноста не е само технички проблем таа е воедно и етички и општествен проблем.Доколку се дозволи Вештачката Интелигенција да носи одлуки базирани на неточни или дискриминаторни претпоставки тоа значи и дека технологијата ја легитимира дискриминацијата. Алгоритмите често се доживувани како објективни , според тоа нивните одлуки често се сметаат за точни што ја прави пристрасноста тешко препознатлива и уште потешко исправлива . Влијание на пристрасноста на вештачката интелигенција врз родовата еднаквост Развојот на Вештачката Интелигенција претставува значителен технолошки напредок ,но истовремено отвара низа и општесвтени и етички прашања. Едно од најзагрижувачките е начинот на кој пристрастите во ситсемите на Вештачката Интелигенција влијае врз родовата еднаквост . Наместо да влијаат на унапредување на еднаквоста на половите , некои алгоритми се повеќе ја продлабочуваат нееднаквоста која воедно е историски проблем . Во овој дел од семинарската работа детално се посветува внимание на трите клучни начини на кои пристрасноста во вештачката интелигенција влијае врз жените и родово маргинилизираните групи: Дискирминација во процесите на вработување : Вештачката интелигенција се повеќе се користи за автоматизирање на процесите за селекција на кандидати , од скенирање на биографии до рангирање и филтрирање на апликанту. Иако ова може да го забрза процесот на бирање на кандидатите во големите компании исто така носи ризик и од вградување на пристрасност . Пример за ваква пристрасност при процес на вработување е команијата Amazon каде што јасно се гледа нагласената пристрасност кој мажите . Алгоритмот бил обучен соо податоци од последните 10 години во кои доминирале кандидати од машкиот пол . Како резултат на тоа системот ги намалувал оценките на CV во кои се споменувале зборови поврзани со жени , додека пак мажите добивале профили со повисоки оценки . Имено во 2014 година Amazon развива внатрешен алгоритам за автоматска селекција на кандидати за работа, која имала за цел да помогне во скенирање и рангирање на апликации со цел да заштеди време на рекрутерите. Притоа алгоритмот користел машинско учење , машинско учење е гранка на вештачката интелигенција која им овозможува на компјутерите да учат од податоци и искуство без да бидат ескплицитно програмирани за секоја задача односно самите откриваат шаблони и шеми како да ги решат дадените пробеми .Алгоритамот на Амазон притоа добива податоци стари 10 години од CV на кандидати кои предходно се вработиле . Тука јасно се гледа дека според историските податоци кои му биле дадени на алгоритмот тие рефлектирале со маштка доминација во технолошките позиции што значи дека : Тоа доведува алгоритамот на компанијата на научи дека CV на кандидатите од машкиот пол се подобри од тие на женскиот пол. Овој пример јасно ја демонстрира системската природа на пристрасноста бидејќи машината учи од историските податоци , а не бидејќи алгоритмот “мрази “ жени.Доколку во минатото жените помалку се вработувале алгоритмот учи дека машките апликанти се повеќе посакуван модел . Ваквата дискриминација не само што го намалува пристапот на жените до повеќе работни места туку и го влошува нивниот професионален развој , финансиката независнот и општествената мобилност . Дополнително според одредени истражувања постојат системи кои анализираат видео снимки од интервјуа при што користат алгоритми за анализа на говор на телото и интонациа која јасно укажува на тоа дека таквите системи често погрешно ги интерпретираат женските гласови и емоции што резултира со пониски оценки и понекогаш дури и исклучување од самиот процес на вработување. Исклучување преку системите за препознавање Системите за препознавање на лице и глас стануваат многу актуелни во јавниот и приватниот сектор . Тие се користат за надзор , безбедност , идентификација дури и за контрола на влез во одредени простории. Сепак овие системи покажуваат значително пониска точност кога идентификуваат жени и луѓе со потемна боја на кожа , ообено кога станува збор за жени припаднички на етничките малцинства. Истражувачката Џој Буоламвини од тимот н МIT открива дека алгоритмите за прпознавање на лице од компании како IMB , Microsoft , Face ++ имаат точност од 99% за мажи со светол тен но само 65% точност за жени со потемен тен . Причината за тоа е што податоците за обука главно содржеле фотографии од мажи со светол тен . Ваквата нееднаквост може да доведе до сериозни последици : Овие грешки не се само технички грешки , тие се последица на неетичко и неинклузивно програмирање . Жените особено оние кои припачаат на маргинализираните групи стануваат жртви на дигитален систем кој не ги признава како рамноправни учесници . Системите за препознавање на лице , глас и телесни движења се основа на многу современи технологии , биометриски безбедности системи , паметни надзорни камери и дигитални (виртуелни ) асистенти . Иако ваквите системи ветуваат поголема ефикасност и безбедност тие носат сериозни ризици доколку се базираат на неинклузивни податоци за обука. Особено ранлива категорија се жените и лицата од расни и етнички малцинства , кои често се погрешно идентификувани или се целосно изоставени. Исто така важен аспект е културната и родовата неосетливост на алгоритмите . На пример алгоритми тренирани на податоц од западен контекст имаат тешкотии при преознавање на ликови од азиско арапско или африканско потекло особено кога носат традиционална облека или шминка. Некои системи дури не можат точно да ја детектираат воздраста или полот што може да доведе до неправилно категоризирање , исклучување или повреда на идентитетот на индивидуата, особено кај небинарни или трансродови лица. Решението на овој пробем би бил етички развој на овие технологии како и редовна проценка на влијанието. Тоа подразбира: Репродукција на родови стереотипи во јазични модели и медиумски содржини Јазичните модели , како оние што ги користат Google Translate , ChatGPT или виртуелните асистеннти , учат од огромна количина на текстуални податоци кои се земени од интернет.Тоа значи дека тие модели ја апсорбираат целокупната јазична и културна содржина вклучувајќи ги и родовите стереотипи. Примери за родови стереотипи во јазични модели : Преведување на зборови од родово неутрални јазици ( турски , фински ) каде што Google Translate ги претвара неутралните зборови во машки род односно зборовите шеф , инженер, лекар а додека зборовите за медицинска сестра , учителка , домаќинка директно ги преведува во женски род. Виртуелните асистенти користат женски пријатен милозвучен глас и се програмирани да бидат послушни , љубезни , пројателски настроени , со што се репродуцира улогата на жената како сервисна фигура.Јазичните модели кога генерираат текстови често асоцираат на “женски “ со зборови како “убава , чуствителна емотивна ‘’ , a ‘’ машки “ со “силен , лидер рационален “, со тоа се повеќе се зацврстуваат стереотипите.Овие мали но постојани репродукции на стереотипите создаваат општесвтена перцепција која го одржува нерамноправниот статус на жените. Треба се повеќе да се стремиме да ја користиме Вештачката Интелигенција за рушење на предрасудите со цел да не се добие ефект на одржување на истите општесвтени шеми кои сега само се признаваат од технологијата.Овие три форми на влијание покажуваат дека пристрасноста во Вештачката Интелигенција не е само технички недостаток туку и општествен проблем со родовата еднаквост . Затоа нејзиниот развој и употреба треба да се засноваат на принцип на етичност , инклузивност и одговорност. Патот кон фер и непристрасни алгоритми По увидот во реалните опасности што ги носи пристрасноста во вештачката интелигенција, особено врз родовата еднаквост , се наметнува прашањето : како можеме да креираме фер , инклузивни и транспарентни алгоритми ? Патот кон фер алгоритми не е едноставен , но веќе постојат стратегии и иницијативи кои се насочени кон ублажување на пристрасноста и промовирање на одговорна употреба на машинското учење. Етички дизајн и одговорен развој на алгоритми За да се намали пристрасноста потреба е етиката и одговорноста да бидат вградени во целиот животен циклус на вештачката интелигенција од првиот дизајн до нејзината обука и имплементација . Етичкипт дизајн значи дека програмерите , истражувачите и компаниите треба да земат предвид не само технича ефикасност туки и социјалните последици од своите алгоритми .Ова вклучува: Диверзитет во тимовите што ги креираат алгоритмите Многу истражувања покажуваат дека разновидни тимови (по пол , етничка припадност , културно потекло и професионално искуство ) имаат поголема шанса да развијат балансирани и инклузивни технолошки решенија . Кога технологијата се креира од луѓе со слични искуства и перспективи , се зголемува ризикот да се маргинализираат или игнорираат групи кои се различни од нив . Затоа , вклучување на жени , небинарни лица , припадници на малцинства и различни професии се клучно за проширување на перспективите при анализа на податоци , пдообро препознавање на пристрасности , подобро разбирање на етичките и кулутрните последици од технологијата . Правила , закони и надзор:Регулација на Вештачката Интелигенција Еден од најважните чекори кон фер алгоритми е воведување на јасни правни и институционални механизми за контрола и регулација на вештачката интелигенција. Европската Унија го превзема водството преку воведување на AI- ACT што претствавува првиот закон што ја регулира Вештачката Интелигенција на ниво на цело континент .Тој јасно поставува категории на ризик и пропишува : Исто така покрај ЕУ , важна е и улогата на невладините организации , истражувачи и новинари кои треба да имаат пристап до алатки за проверка на алгоритмите , со што ќе се обезбери јавна контрола и одговорност . Заклучок: Развојот на вештачката интелигенција претставува едно од најзначаните достигнувања на 21 -от век , но истовремено носи и сериозни предизвици , особено кога станува збор за прашањата на пристрасност и родова еднаквост . Како што е прикажано низ оваа семинарска работа , алгоритмите не се неутрални – тие ја одразуваат реалноста која а учат , а таа реалност е често полна со историски и струтурни неправди . Пристрасноста во податоците за обука , недостатокот од разновидност во дизајнерските тимови, како и отсуство на етички стандарди во многу технолошки компании доведуваат до дискриминација , особено врз жените и другите маргинализирани групи. Конкретни примери, како случајот со Амазон и неуспесите на системите за препознавање лице, го потврдуваат ова и укажуваат на потребата од длабоки реформи во начинот на кој се развива и применува вештачката интелигенција. Но исто така можеме да препознаеме и јасни насоки на подобрување : поголема етичка одговорност . транспарентност , инклузивност во тимовите , деф податоци и правна регулација . Само преку овие пристапи може да се осигури дека Вештачката интелигенција нема да ја продлабочува постојаната нееднаквост , туку ќе биде алатка за социјална правда и родова еднаквост . Вештачката интелигенција има потенцијал да биде моќен инструмент за социјален напредок, но исто така и опасност за продлабочување на постојните нееднаквости. Ако не се внимава, алгоритмите ќе ги легитимираат историските неправди. Затоа, неопходно е да се развиваат инклузивни, транспарентни и етички системи кои ќе придонесат кон родова еднаквост и социјална правда. Технологијата не треба да биде извор на дискриминација, туку алатка која ќе овозможи поправедно општество. Во иднина, важно е универзитетите, технолошките компании и институциите за јавна политика да соработуваат во развојот на алатки што ќе ја намалат пристрасноста и ќе ја зајакнат довербата во ВИ. Само преку таква меѓусекторска соработка можеме да изградиме дигитален свет кој е еднаков за сите. Клучното прашање денес не е дали да се користи Вештачката Интелигенција , туку како и за кого . Одговорноста за создавање праведна дигитална иднина ја сносиме самите ние од истражувачите , програмерите , политичарите и граѓаните што ги користат овие технологии секој ден . Користена литература Buolamwini, J., & Gebru, T. (2018). Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification. MIT Media Lab. https://proceedings.mlr.press/v81/buolamwini18a.html European Commission (2021). Proposal for a Regulation laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX%3A52021PC0206 Crawford, K. (2021). Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence. Yale University Press. ISBN: 9780300209570 UNESCO (2021). Recommendation on the Ethics of Artificial Intelligence. https://unesdoc.unesco.org/ark:/48223/pf0000380455 Amazon recruiting tool reportedly showed bias against women. Reuters, 2018. https://www.reuters.com/article/us-amazon-com-jobs-automation-insight-idUSKCN1MK08G Mehrabi, N., Morstatter, F., Saxena, N., Lerman, K., & Galstyan, A. (2021). A Survey on Bias and Fairness in Machine Learning. ACM Computing Surveys. https://arxiv.org/abs/1908.09635 AI Now Institute (2019). Discriminating Systems: Gender, Race and Power in AI. https://ainowinstitute.org/discriminatingsystems.html Пристрасност во вештачката интелигенција влијанието врз родовата еднаквост и патот кон правичните алгоритми Авторка Матеа Каралиева Вовед: Вештачката интелигенција е претставена од машини и софтвери и е гранка од компјутерската наука која развива машини и софтвер

Блог

Пристрасност во вештачката интелигенција влијанието врз родовата еднаквост и патот кон правичните алгоритми

Авторка Матеа Каралиева Вовед: Вештачката интелигенција е претставена од машини и софтвери и е гранка од компјутерската наука која развива машини и софтвер со интелигенција .Трудовите велат дека таа е дизајн на интелигентен агент односно систем спосоен за перцепирање на околината и преземање на активности кои му ги максимизираат…
Блог

Живот низ туѓи очи: Како виртуелната реалност ја менува перцепцијата за родовата еднаквост

Автор Анастасија Раневска 1. Вовед Во последните неколку години, виртуелната реалност (VR) се појави како една од највозбудливите технолошки иновации. Од своите почетоци како научна фантастика до денешната реалност, VR нуди неверојатни можности за трансформирање на нашите искуства и перцепции. Не само што VR се користи за забава, туку исто…
Блог

Вештачка интелигенција како алатка за борба против родовите стереотипи во дигиталните медиуми

Автор Ангел Трајков 1. Тема на моето истражување Во современото дигитално општество, медиумите играат клучна улога во обликувањето на нашата перцепција за светот, другите и самите себе. Секојдневно сме изложени на огромен обем дигитална содржина, од вести и реклами до видеа, твитови и објави на социјалните мрежи. Иако таа содржина…
Блог

AI во образованието: Можности и ризици за родова еднаквост кај младите

Автор Павел Василевски 1.Вовед Во денешното време на брза дигитална трансформација, вештачката интелигенција (AI) станува една од најмоќните технологии што ја обликуваат нашата иднина. Таа го менува начинот на кој комуницираме, работиме и учиме. Особено во образованието, AI носи нови можности — од персонализирано учење преку адаптивни платформи, до полесен…
Блог

Родови импликации во дизајнот на гласовни асистенти: Доминацијата на женскиот глас

Автор Петар Велевски Распространетоста на гласовните асистенти со вештачка интелигенција фундаментално ја трансформира интеракцијата човек-компјутер, при што платформите како Amazon Alexa, Apple Siri, Microsoft Cortana и Google Gemini стануваат се поприсутни во домовите, возилата и работните места ширум светот. Сепак, под овие системи лежи загрижувачка шема што ги рефлектира и …
Блог

Родовата нееднаквост во алгоритмите: Како машинското учење ги репродуцира општенствените предрасуди

Автор Јордан Грков Вовед Во современото дигитално општество, вештачката интелегенција (ВИ) и машинското учење играат се поголема улога во нашето секојдневие – од одлуки во банкарство, здраство и образование, до препораки на социјални мрежи и филтрирање на содржина. Иако овие технологии нудат бројни предности, тие исто така носат и ризици,…
Блог

Родово неутрална или родово слепа? Критичка анализа на концептот на непристрасен AI низ техничка, етичка, образовна и социолошка перспектива

Авторка Мила Георгиева Вовед Во последната деценија, вештачката интелигенција (AI) сè повеќе се користи во сектори што директно влијаат врз секојдневниот живот, како од регрутација и медицинска дијагностика, до образовни платформи и системи за правосудие. Обидувајќи се да избегнат дискриминаторни практики, развивачите на AI системите често се стремат кон…
Блог

Интеграција на вештачката интелигенција во образованието за ученици со посебни потреби

Авторка Мартина Деловска ВоведШто е вештачка интелигенција?∙ Вештачката интелигенција е гранка на компјутерската наука која се бави со градење на паметни машини способни за извршување задачи за кои е потребна човечката интелигенцијаЛица со попреченост∙ Попреченост или инвалидност претставува оштетување кое може да биде когнитивно, развојно, интелектуално, ментално или комбинирано. Поимот…
Блог

Родови предрасуди во алгоритмите: Како вештачката интелигенција може да ја репродуцира нееднаквоста?

Автор Михаил Рибароски Вовед Во последно време, вештачката интелегенција претставува дел кој е од големо значење за модерниот технолошки напредок. Компаниите се почесто праваат транзиција кон автоматизација и креирање на соодветни алгоритми за да ја подобрат ефикасноста и да направат оптимизација на ресурсите. Оваа технологија се користи во многу од…
Блог

Улогата на вештачката интелигенција во медицинската дијагностика

Автор Боби Галиќ Вовед Вештачката интелигенција (ВИ) е брзо развивачко поле на компјутерските науки, а има за цел да создаде машини што можат да извршуваат задачи што обично бараат човечка интелигенција. ВИ вклучува различни техники како машинско учење (Machine Learning – ML), длабоко учење (Deep Learning – DL) и…
Блог

Жените во СТЕМ и издавачкиот јаз: борба за еднаква застапеност

Авторка Теа Наумовска Вовед Жените сочинуваат речиси половина од кадарот во СТЕМ областите и играат значајна улога во развојот на науката, технологијата, инженерството и математиката. Сепак, и покрај нивниот значителен придонес, тие се сè уште недоволно застапени, особено на повисоките позиции во овие дисциплини. Иако бројот на жени кои…
Блог

Состојба на родова еднаквост во и од вештачка интелигенција (Gender in AI, Gender by AI)

Автор Андреј Салтировски Апстракт Одржливост, поим често употребен од нас и често упатен само кон животната средина. Дали само кон тоа треба да биде упатено или и кон општеството и економијата за да нивниот еднаков развој ја дефинира вистинската одржливост. Ваквиот пристап е основа на Целите за одржлив развој на…
Блог

Технологии за борба против дискриминација и улогата на жените во нивниот развој

Авторка Ема Ристовска Вовед Во современото општество, технологијата игра сè поголема улога, а вештачката интелигенција станува нејзин највлијателен двигател, со длабоко влијание врз економијата, општеството и секојдневниот живот. Од здравство и образование, до вработување и комуникација, AI системите сe повеќе се користат за донесување одлуки кои директно влијаат врз нас,…
Блог

Дигитална писменост и родови разлики: Дали образованието ги брише бариерите?

Автор Александар Чанев ВОВЕД Во современото дигитално општество, дигиталната писменост претставува еден од основните предуслови за личен, образовен и професионален развој. Со дигиталната трансформација која ги опфаќа сите аспекти од нашето секојдневие – од пристап до информации, преку образование, па сè до вработување и општествена вклученост – потребата за развиени…
Блог

Вештачка интелигенција како алатка за надминување на родови стереотипи

Автор Марко Стојановски Апстракт Оваа семинарска работа се фокусира на потенцијалот на вештачката интелигенција (ВИ) како алатка за надминување на родовите стереотипи во општеството. Главната теза е дека ВИ може да биде моќен медиум за разградување на општествените очекувања и претпоставки за родовите улоги преку анализа на пристрасни содржини, креирање …
Блог

Жени во машинско учење: Улогата на жената во ВИ. Зошто жените се значајни и прават разлика кога развиваат решенија за вештачка интелигенција?

Авторка Александра Трпчевска Вовед Вештачката интелигенција (ВИ) претставува значајна предност за компаниите кои применуваат предвидливо моделирање и автоматизација на задачи. Сепак, таа ја црпи својата „интелигенција“ од податоци создадени од луѓе, што по природа ја прави подложна на пристрасност – без оглед на тоа колку ние луѓето се стремиме…
Блог

Вештачка интелегенција објаснета на деца

Автор Слободан Спасовски Вовед Моето истражување е базирано врз примена на вештачка интелегенција кај роботи и нивни способности, ставови и мислења на денешни научници за ВИ како и нивната историја. Долго време се интересирав за тоа што се можат да сторат роботите, какви се нивните способности, ги пратев нивните најнови…
Блог

Родова нееднаквост на работните места

Автор Никола Тодороски Вовед И покрај големиот напредок постигнат и огромните напори вложени во текот на годините за промовирање и поттикнување на еднакви можности за секое лице од сите сфери на животот и различни услови за живот, родовата нееднаквост на работното место останува длабоко вкоренета и комплексна појава. Трајната природа…
Блог

Менталното здравје и вештачката интелигенција: алогиритам за рано препознавање на анксиозност и депресија

Авторка Тамара Синадиноска 1. ВОВЕД Што е менталното здравје? Менталното здравје ја вклучува нашата психолошка, емоционална и социјална благосостојба. Важно е во секоја фаза од животот, од детство и адолесценција до зрелост и старост. Тоа влијае на начинот на кој размислуваме, чувствуваме и делуваме кога се соочуваме со животот. Исто…
Блог

Родовата нееднаквост во полето на вештачката интелигенција: предизвици, последици и решенија

Авторка Мелиха Јусуфовиќ Авторката ќе се посвети на длабинска анализа на овој комплексен проблем. Тој ќе истражува зошто и како настанува овој родов јаз во AI, анализирајќи ги структурните, општествените, културните, и образовните фактори кои придонесуваат за недоволната застапеност на жените. Понатаму, тој ќе ги испитува конкретните последици од оваа…