في محاولة للتغلب على هذا التحدي، قدم الباحثون تقنية جديدة تُعرف باسم CTLF، وهي اختصار ل"منطق الزمان المتشعب" (Branching-Time Logic). تهدف هذه التقنية إلى تحليل وإدراك التحيز في سلاسل المخرجات التي تنتجها أنظمة الذكاء الاصطناعي.
ما هي تقنية CTLF؟
تستخدم تقنية CTLF بناءً على "معنى العدّ العالم" (Counting Worlds Semantics) حيث يمثل كل "عالم" (World) مخرجًا ممكنًا في خطوة معينة من عملية التوليد. تتيح هذه التقنية استخدام مشغلات نموذجية (Modal Operators) للتحقق مما إذا كانت سلسلة المخرجات الحالية تحترم توزيعًا احتماليًا مقصودًا يتعلق بصفة محمية.
كيف تعمل CTLF على تحقيق العدالة؟
يمكن لتقنية CTLF التنبؤ باحتمالية الحفاظ على النتائج ضمن الحدود المقبولة مع توليد مخرجات جديدة، بالإضافة إلى تحديد عدد المخرجات التي يجب إزالتها لاستعادة العدالة. توضح الأبحاث كيف يمكن أن تُعبر صيغ CTLF عن خصائص العدالة المحددة في نقاط مختلفة من سلسلة النتائج.
مثال توضيحي
قامت الدراسة بتوضيح تقنية CTLF من خلال مثال بسيط لتوليد الصور المتحيزة، مؤكدةً على كيفية تطبيق هذه الصيغ على الواقعية الأخلاقية في النتائج.
إن تقنية CTLF تمثل خطوة مثيرة نحو تحسين كيفية تعامل أنظمة الذكاء الاصطناعي مع التحيز، ويأمل الباحثون أن تعزز من قدرة هذه الأنظمة على تقديم نتائج عادلة وموثوقة في مختلف التطبيقات.