Patiesais jautājums nav tikai: “Vai mēs to varam izveidot?”

Jaunās tehnoloģijas var paplašināt cilvēka iespējas. Tās var arī ātrāk un plašāk atveidot senus atstumšanas modeļus. Atbildīga inovācija jautā, kāda veida progress tiek radīts, kam tas ir paredzēts un kas to kontrolē.

Mākslīgais intelekts var tulkot mācību stundas, palīdzēt noteikt diagnozi un padarīt sarežģītus rīkus vieglāk lietojamus. Gēnu un šūnu terapijas var novērst tādu slimību bioloģiskos cēloņus, kuras agrāk ārstēja tikai ar nepārtrauktu simptomu kontroli. Neirotehnoloģijas dažiem cilvēkiem ar smagiem traucējumiem var atjaunot saziņu vai kustības. Katrs no šiem sasniegumiem var būt patiesi vērtīgs, vienlaikus nebūdams visiem pieejams, vienlīdz efektīvs vai ētiski pilnīgs.

Plaisa starp izgudrojumu un sabiedrības ieguvumu ir vieta, kur rodas daudzi ētikas jautājumi. Pakalpojums var tehniski pastāvēt, bet palikt neizmantojams, jo tas ir pārāk dārgs, nepieejams, nav pieejams cilvēka valodā vai ir atkarīgs no infrastruktūras, kuras viņa kopienai nav. Sistēma vidēji var darboties labi, bet atkārtoti pievilt mazāku grupu. Ārstēšana var būt klīniski iespaidīga, tomēr tai var būt nepieciešami specializēti centri, ilgstoša aprūpe, ceļošana un turpmākas pārbaudes, kas piekļuvi padara daudz sarežģītāku, nekā liecina tikai tās cena.

2025. gadā Starptautiskā telekomunikāciju savienība lēsa, ka 2,2 miljardi cilvēku joprojām bija bez piekļuves internetam, galvenokārt valstīs ar zemiem un vidējiem ienākumiem.1 Savienojamība ir ievērojami paplašinājusies, taču plaši izplatīts interneta lietotāju skaita rādītājs neatklāj savienojuma kvalitāti, piekļuvi ierīcēm, pieejamību cenu ziņā, digitālās prasmes, piekļūstamību vai to, vai noderīgi pakalpojumi ir pieejami vietējā līmenī. Līdzīgi līmeņi parādās veselības aprūpē, izglītībā un publiskajos pakalpojumos.

Piekļuve ir ķēde ar vismaz sešiem posmiem

Nosaucot produktu par “pieejamu”, var paslēpt praktisko attālumu starp tā pastāvēšanu un cilvēka spēju droši gūt no tā labumu.

Ja neizdodas kāds būtisks posms, formāla piekļuve var sniegt maz labuma. Bezmaksas mācību platforma nav jēgpilni pieejama mājsaimniecībai, kas dala vienu neuzticamu ierīci. Diagnostikas modelis nav taisnīgs, ja tas slikti darbojas kādā apakšgrupā un ārsti par to netiek brīdināti. Ļoti progresīva ārstēšana nesasniedz pacientu tikai tāpēc, ka apdrošinātājs sedz zāles, ja ceļa izdevumi, auglības saglabāšana, laiks prom no darba vai ilgtermiņa aprūpe joprojām nav iespējami.

Vienlīdzība un taisnīgums ir saistīti, bet nav identiski

Vienlīdzība bieži nozīmē nodrošināt vienādu resursu vai noteikumu. Taisnīgums izvērtē, vai atšķirīgi sākuma apstākļi un vajadzības netraucē šim formāli vienlīdzīgajam piedāvājumam radīt taisnīgas iespējas. Dažkārt visgodīgākais risinājums ir universāls: subtitri, skaidra valoda un droši noklusējuma iestatījumi palīdz daudziem cilvēkiem. Dažkārt nepieciešams papildu atbalsts: pielāgota saskarne, palīdzība nokļūšanai, kopienas veselības aprūpes darbinieks vai bezsaistes risinājums.

Nevienlīdzība var rasties ikvienā inovācijas posmā

Neobjektivitāte nav tikai algoritma trūkums. Tā var sākties ar to, kuriem jautājumiem tiek piešķirts finansējums, turpināties pētniecībā un dizainā un atkal parādīties, kad rīks nonāk nevienlīdzīgā pasaulē.

1. Problēmu izvēle

   Investīcijas seko stimuliem, politiskajām prioritātēm un pirktspējai. Vajadzības, kas skar cilvēkus ar mazāku ietekmi tirgū, var palikt nepietiekami izpētītas pat tad, ja to sociālās izmaksas ir augstas.

2. Pierādījumi un dati

   Tas, kas piedalās, ietekmē to, ko pētnieki var uzzināt. Trūkstošas grupas, nepilnīga mērīšana, vēsturiska diskriminācija un apzīmējumi, kuru pamatā ir kļūdaini iepriekšējie lēmumi, var ietekmēt rezultātus vēl pirms modeļa apmācīšanas vai produkta testēšanas.

3. Dizaina izvēles

   Valoda, noklusējuma iestatījumi, ierīču prasības, pieņēmumi par maņām un “normāla” definīcijas nosaka, kas var ērti izmantot sistēmu un kura uzvedība tiek uzskatīta par izņēmumu.

4. Ieviešanas apstākļi

   Rīks, kas apstiprināts vienā iestādē, var darboties citādi tur, kur mainās personāls, infrastruktūra, kultūra, slimību izplatība vai stimuli. Konteksts ir daļa no snieguma.

5. Rezultāti un slogi

   Mēriet ne tikai precizitāti vai ieviešanu, bet arī gaidīšanas laiku, kļūdainus lēmumus, privātuma zudumu, neapmaksātu darbu, ietekmi uz vidi un sekas, ko rada nespēja atteikties.

6. Atsauksmes, labošana un iespēja atteikties

   Cilvēki, kas atrodas vistuvāk kļūmei, bieži to pamana pirmie. Viņiem ir nepieciešams skaidri redzams ziņošanas kanāls, savlaicīga cilvēka atbilde, ierakstu labošana un droša alternatīva, kamēr problēma tiek izmeklēta.

Ētisks kompass jaunajām tehnoloģijām

Ētikas principi nerada vienu automātisku atbildi. Tie padara svarīgas vērtības pamanāmas, atklāj konfliktus un palīdz iestādēm izskaidrot, kāpēc lēmums ir pamatots.

No principiem līdz pārvaldībai

UNESCO Ieteikums par mākslīgā intelekta ētiku izvirza cilvēktiesības un cieņu centrā un aicina nodrošināt taisnīgumu, iekļaušanu un cilvēka uzraudzību.2 PVO darbs pie mākslīgā intelekta veselības aprūpē un cilvēka genoma rediģēšanas līdzīgi sasaista zinātniskās iespējas ar drošumu, efektivitāti, ētiku un atbildīgām institūcijām.4 Šīs pieejas ir vērtīgas, jo tās aptver tehnoloģijas dzīves ciklu, nevis uztver ētiku kā pēdējo apstiprināšanas lodziņu.

Atbildīgs progress izmanto riskam samērīgus aizsardzības pasākumus

Noderīgā izvēle reti ir “inovācija vai ētika”. Patiesais uzdevums ir saskaņot pierādījumus, uzraudzību un atgriezeniskumu ar iespējamo seku nopietnību.

Pareizrakstības palīgrīkam, klases vērtēšanas sistēmai, ar mākslīgo intelektu aprīkotai diagnostikas ierīcei un implantētai smadzeņu saskarnei nevajadzētu iziet caur identiskām pārbaudēm. Pārvaldība kļūst prasīgāka, ja sistēmu ir grūti mainīt vai atsaukt, tā ietekmē pamattiesības, sasniedz daudzus cilvēkus, darbojas bez jēgpilnas izvēles, izmanto ļoti sensitīvus datus vai var radīt smagu kaitējumu.

Inovācija ar posmu vārtejām

1. Definējiet paredzēto ieguvumu un nepieņemamo kaitējumu

   Pirms izstrādes nosakiet iedzīvotāju grupu, vidi, problēmu un robežas. Reģistrējiet, kas palīdzēja tās definēt.

2. Pārbaudiet pieņēmumus pirms mēroga palielināšanas

   Izmantojiet reprezentatīvus pierādījumus, reālistiskus apstākļus un salīdzinājumu ar esošajām alternatīvām - ne tikai labvēlīgu demonstrējumu.

3. Ieviesiet pakāpeniski, ja joprojām pastāv neskaidrība

   Ierobežojiet darbības jomu, rūpīgi uzraugiet un aizsargājiet dalībniekus. Regulējuma smilškastei jābūt kontrolētai mācību videi, nevis imunitātei pret pienākumiem ievērot tiesības vai drošību.

4. Saglabājiet iespēju atgriezties pie iepriekšējās versijas

   Definējiet apturēšanas sliekšņus, manuālas alternatīvas, datu labošanu, reaģēšanu uz incidentiem un atbildību pret cilvēkiem, kurus apturēšanas laikā tas ietekmē.

5. Atkārtoti autorizējiet, balstoties uz pierādījumiem

   Pārskatiet veiktspēju, iznākumu sadalījumu un jaunos riskus. Atļaujai turpināt darbību nevajadzētu tikt piešķirtai automātiski tikai tāpēc, ka sistēma ir kļuvusi ierasta.

Eiropas Savienības Mākslīgā intelekta akts ilustrē uz riskiem balstītu pieeju: tas stājās spēkā 2024. gadā un tiek piemērots pa posmiem, paredzot atšķirīgus pienākumus aizliegtām praksēm, vispārēja lietojuma modeļiem un noteiktām augsta riska sistēmām.3 Precīzie juridiskie pienākumi ir atkarīgi no sistēmas, lomas, izmantošanas veida un pašreizējā ieviešanas grafika, tādēļ organizācijām jāiepazīstas ar oficiālo tekstu un jākonsultējas ar kvalificētiem juridiskajiem speciālistiem, nevis jāpaļaujas uz vienkāršotām etiķetēm.

Iekļaušanu iestrādājiet infrastruktūrā, pētniecībā un pakalpojumu sniegšanā

Vienlīdzīgu piekļuvi nevar nodrošināt tikai ar atlaidi beigās. Tam nepieciešama koordinēta izvēle jau no pirmā pētniecības jautājuma līdz finansēšanai, ieviešanai un ilgtermiņa atbalstam.

Izmantojiet iepirkumu varu, lai veicinātu atbildīgu dizainu

Valsts iestādes, slimnīcas, skolas un lieli darba devēji var iepirkumos iekļaut pieejamību, datu aizsardzību, sadarbspēju, veiktspēju apakšgrupās, ziņošanu par incidentiem un atbalstu pakalpojuma izbeigšanai. Līgumos var prasīt, lai piegādātāji atklāj būtiskas izmaiņas, palīdz datu migrācijā un turpina kritisko atbalstu saskaņotu laikposmu.

Dārgas terapijas gadījumā finansēšanas eksperimenti var sasaistīt maksājumu ar rezultātiem vai koordinēt sarunas starp maksātājiem. Amerikas Savienoto Valstu brīvprātīgais CMS šūnu un gēnu terapijas piekļuves modelis, kas sākotnēji bija vērsts uz sirpjveida šūnu slimību, ir viens piemērs: iesaistītās pavalstis un ražotāji izmanto CMS panāktas vienošanās par rezultātiem balstītiem maksājumiem, savukārt modelī tiek atzīts arī ar ārstēšanu saistītais praktiskais atbalsts.6 Tas jāizvērtē kā nepārtraukts modelis, nevis jāuzskata par pierādījumu tam, ka ikviena piekļuves problēma ir atrisināta.

Praktisks ceļvedis tehnoloģiju veidotājiem

Atbildība ir kopīga, taču tā nedrīkst kļūt tik izkliedēta, ka neviens nav atbildīgs. Katrai iestādei ir savi ietekmes līdzekļi un pienākumi.

Īss taisnīguma ietekmes pārskats

Izmantojiet šos jautājumus priekšlikuma sagatavošanas posmā, pirms ieviešanas un plānotajos pārskatīšanas brīžos. Atbildēm jābūt pamatotām ar pierādījumiem, un par tām jānorīko konkrēti atbildīgie.

Ko ir vērts dokumentēt

• Mērķa ieraksts: paredzētais lietojums, aizliegtais lietojums, mērķauditorija, alternatīvas un panākumu kritēriji.
• Līdzdalības ieraksts: kas piedalījās, kā dalībnieki tika atlasīti, kā viņiem tika atlīdzināts un kas mainījās.
• Pierādījumu ieraksts: datu kopas, pētījumu populācijas, testēšanas apstākļi, nenoteiktība un zināmie ierobežojumi.
• Ietekmes ieraksts: ieguvumi, kļūdas, sūdzības, pārsūdzības, piekļuves šķēršļi un rezultāti attiecīgajās grupās.
• Lēmuma ieraksts: norādītie atbildīgie, riska pieņemšana, koriģējošie pasākumi, pārskatīšanas datumi un iemesli turpināšanai vai apturēšanai.

Dokumentācija nav vērtīga tikai tāpēc, ka tā pastāv. Tai jāpalīdz atbildīgai personai izprast sistēmu, izsekot lēmumam, identificēt jaunu tendenci un rīkoties, pirms novēršams kaitējums izplatās.

Biežākie mīti un praktiski jautājumi

Vienkārši saukļi var radīt iespaidu, ka ētiskās domstarpības ir vieglāk atrisināmas, nekā tās patiesībā ir. Šīs atšķirības rada iespēju pieņemt labākus lēmumus.

Progress kļūst lielāks, kad tā veidošanā var piedalīties vairāk cilvēku

Tehnoloģijas tehniskās spējas ir tikai daļa no tās sasnieguma. Pārējais ir atkarīgs no institūcijām un attiecībām ap to: vai pētījumi atspoguļo reālās vajadzības, vai pierādījumi ietver cilvēkus, kuri uz to paļausies, vai piekļuve ir praktiski iespējama, vai tiek respektēta izvēle un vai kļūdas var apstrīdēt un novērst.

Ētikai nevajadzētu ne izskaistināt inovāciju, ne to iesaldēt. Tai vajadzētu palīdzēt sabiedrībai vadīt šo procesu - padarot riskus redzamus, nosakot robežas, aizsargājot tos, kam ir mazāka vara, un saglabājot iespēju mācīties. Iekļaušana šo procesu uzlabo, jo kopienas sniedz zināšanas, kuru var nebūt attālinātiem izstrādātājiem, investoriem un regulatoriem.

Mērķis nav pasaule, kurā visi izmanto vienu un to pašu tehnoloģiju. Mērķis ir pasaule, kurā vērtīgi sasniegumi pēc noklusējuma nekļūst par privilēģijām, neaizsargātība netiek uzskatīta par atļauju, un cilvēki joprojām piedalās lēmumu pieņemšanā, kas maina viņu izglītību, veselību, darbu, ķermeni un nākotni.

Šis raksts ir paredzēts vispārīgiem izglītojošiem mērķiem un nav juridisks, medicīnisks, regulatīvs, investīciju vai politikas padoms. Prasības un pierādījumi mainās; pirms būtisku lēmumu pieņemšanas konsultējieties ar aktuālajiem oficiālajiem avotiem un kvalificētiem speciālistiem.

Pierādījumu perspektīva un papildu lasāmviela

Pārrakstītajā rakstā sākotnējā raksta nepamatotie statistikas dati un neesošās vai nepareizi aprakstītās programmas aizstātas ar primārajiem institucionālajiem avotiem.

1. Starptautiskā Telesakaru savienība — Fakti un skaitļi 2025
   Globālas aplēses par interneta lietošanu un joprojām pastāvošajām savienojamības, pieejamības un kvalitātes atšķirībām.
2. UNESCO — Ieteikums par mākslīgā intelekta ētiku
   Globāls satvars, kura centrā ir cilvēktiesības, cieņa, taisnīgums, iekļaušana, pārredzamība un cilvēka uzraudzība.
3. Eiropas Komisija — mākslīgā intelekta regulējuma satvars
   Eiropas Savienības Mākslīgā intelekta akta oficiāls pārskats un aktuālais pakāpeniskās ieviešanas grafiks.
4. Pasaules Veselības organizācija — Cilvēka genoma rediģēšana: pārvaldības satvars
   Vērtības, principi, institūcijas un pārvaldības rīki somatiskā, dzimumšūnu un pārmantojamā cilvēka genoma rediģēšanai.
5. ASV Pārtikas un zāļu pārvalde — pirmās apstiprinātās gēnu terapijas sirpjveida šūnu slimības ārstēšanai
   FDA 2023. gada decembra paziņojums, tostarp pirmā ar CRISPR/Cas9 tehnoloģiju izmantotā FDA apstiprinātā ārstēšana.
6. Medicare & Medicaid pakalpojumu centri — šūnu un gēnu terapijas piekļuves modelis
   Jaunākā informācija par uz rezultātiem balstītiem nolīgumiem un atbalstu piekļuvei sirpjveida šūnu slimības gēnu terapijai.
7. Pasaules Veselības organizācija — Mākslīgā intelekta ētika un pārvaldība veselības aprūpē
   Vadlīnijas, kas mākslīgā intelekta potenciālu veselības aprūpē sasaista ar ētiku, cilvēktiesībām un sabiedrības atbildību.
8. ASV Nacionālais standartu un tehnoloģiju institūts — mākslīgā intelekta risku pārvaldības satvars
   Brīvprātīgs regulējums, kas organizēts ap mākslīgā intelekta risku pārvaldību, kartēšanu, mērīšanu un vadību.