Translate

Penyebaran Sengaja Ketidaktahuan: agnotologi


The Man Who Studies The Spread of Ignorance

Tulisan ini ditampilkan dalam koleksi BBC Best of 2016

Oleh Georgina Kenyon
6 Januari 2016
http://www.bbc.com/future/story/20160105-the-man-who-studies-the-spread-of-ignorance
-------

Bagaimana orang atau perusahaan dengan kepentingan pribadi menyebarkan ketidaktahuan dan mengaburkan pengetahuan? 
Georgina Kenyon menemukan ada istilah yang mendefinisikan fenomena ini.


Pada tahun 1979, sebuah memo rahasia dari industri tembakau dibuka untuk umum. Disebut Proposal Merokok dan Kesehatan, dan ditulis satu dekade sebelumnya oleh perusahaan tembakau Brown & Williamson, itu mengungkapkan banyak taktik yang digunakan oleh perusahaan tembakau besar untuk melawan "kekuatan anti-rokok".

Di salah satu bagian makalah yang paling membuka pikiran, itu memperlihatkan bagaimana memasarkan rokok kepada masyarakat luas: "Keraguan adalah produk kami karena itu adalah cara terbaik untuk bersaing dengan 'membentuk/ mewujudkan fakta' (‘body of fact’) yang ada dalam pikiran masyarakat umum . Ini juga merupakan cara untuk membangun kontroversi. ”
Taktik big tobacco untuk mengaburkan fakta efek berbahaya dari rokok menyebabkan Robert Proctor menciptakan kata baru (Kredit: Getty Images)

Pengungkapan ini menggelitik minat Robert Proctor, seorang sejarawan sains dari Universitas Stanford, yang mulai menggali praktik-praktik perusahaan tembakau dan bagaimana mereka menyebarkan kebingungan tentang apakah merokok menyebabkan kanker.

Proctor telah menemukan bahwa industri rokok tidak ingin konsumen mengetahui bahaya dari produknya, dan menghabiskan miliaran mengaburkan fakta dampak kesehatan dari merokok. Pencarian ini membawanya untuk membuat sebuah kata untuk studi penyebaran sengaja ketidaktahuan: agnotologi
Agnotology adalah studi tentang tindakan yang disengaja untuk menyebarkan kebingungan dan penipuan, biasanya untuk menjual produk atau memenangkan hati

Itu berasal dari agnosis, kata Yunani neoklasik untuk ketidaktahuan atau 'tidak tahu', dan ontologi, cabang metafisika yang berkaitan dengan sifat keberadaan. Agnotology adalah studi tentang tindakan yang disengaja untuk menyebarkan kebingungan dan penipuan, biasanya untuk menjual produk atau memenangkan hati.

“Saya sedang mengeksplorasi bagaimana industri yang kuat dapat mempromosikan ketidaktahuan untuk menjual barang dagangan mereka. Ketidaktahuan adalah kekuatan ... dan agnotologi adalah tentang penciptaan ketidaktahuan yang disengaja.

"Dalam melihat agnotologi, saya menemukan dunia rahasia ilmu rahasia, dan berpikir sejarawan harus memberikan perhatian lebih ini."

Memo 1969 dan taktik yang digunakan oleh industri tembakau menjadi contoh sempurna agnotologi, kata Proctor. "Ketidaktahuan bukan hanya yang belum diketahui, itu juga taktik politik, penciptaan yang disengaja oleh agen kuat yang ingin kau 'tidak tahu'."

Untuk membantunya dalam pencariannya, Proctor meminta bantuan ahli bahasa UC Berkeley, Iain Boal, dan bersama-sama mereka menemukan istilah tersebut - neologisme diciptakan pada tahun 1995, meskipun banyak analisis Proctor tentang fenomena itu terjadi pada dekade sebelumnya.

Usaha menyeimbangkan

Agnotologi hari ini sama pentingnya dengan ketika Proctor mempelajari kebingungan industri tembakau tentang fakta tentang kanker dan merokok. Sebagai contoh, keraguan bermotivasi politik ditaburkan atas kebangsaan Presiden AS Barack Obama selama berbulan-bulan oleh lawan sampai ia mengungkapkan akta kelahirannya pada tahun 2011. Dalam kasus lain, beberapa komentator politik di Australia berusaha untuk memicu kepanikan dengan menyamakan peringkat kredit negara itu dengan peringkat negara. Yunani, meskipun tersedia informasi publik dari lembaga pemeringkat yang menunjukkan kedua ekonomi sangat berbeda.

Penyebaran ketidaktahuan adalah sama relevannya hari ini seperti ketika Proctor menciptakan masa jabatannya (Credit: Thinkstock)
Proctor menjelaskan bahwa ketidaktahuan seringkali dapat diperbanyak dengan kedok debat berimbang. Sebagai contoh, gagasan umum bahwa akan selalu ada dua pandangan yang berlawanan tidak selalu menghasilkan kesimpulan yang rasional. Ini di belakang bagaimana perusahaan tembakau menggunakan sains untuk membuat produk mereka terlihat tidak berbahaya, dan digunakan hari ini oleh penyangkal perubahan iklim untuk membantah bukti ilmiah.

"'Rutinitas keseimbangan' ini telah memungkinkan para pria rokok, atau penyangkal iklim hari ini, untuk mengklaim bahwa ada dua sisi dari setiap cerita, bahwa 'para ahli tidak setuju' - menciptakan gambaran palsu tentang kebenaran, karenanya ketidaktahuan."

Kita hidup di dunia ketidaktahuan radikal - Robert Proctor
Sebagai contoh, kata Proctor, banyak penelitian yang mengaitkan karsinogen pada tembakau dilakukan pada tikus pada awalnya, dan industri tembakau menanggapi dengan mengatakan bahwa penelitian terhadap tikus tidak berarti bahwa manusia berisiko, walaupun ada dampak buruk pada kesehatan pada banyak perokok.

Era baru ketidaktahuan

“Kita hidup di dunia ketidaktahuan radikal, dan keajaibannya adalah segala jenis kebenaran menembus kebisingan,” kata Proctor. Meskipun pengetahuan itu 'dapat diakses', itu tidak berarti itu diakses, ia memperingatkan.

Ketika orang tidak memahami konsep atau fakta, mereka menjadi mangsa kelompok minat khusus yang bekerja keras untuk menciptakan kebingungan (Kredit: Thinkstock)
"Meskipun untuk sebagian besar hal ini sepele - seperti, misalnya, titik didih air raksa - tetapi untuk pertanyaan yang lebih besar tentang impor politis dan filosofis, pengetahuan yang dimiliki orang sering berasal dari agama atau tradisi, atau propaganda, lebih dari tempat lain."

Proctor menemukan bahwa ketidaktahuan menyebar ketika pertama, banyak orang tidak memahami konsep atau fakta dan kedua, ketika kelompok-kelompok kepentingan khusus - seperti perusahaan komersial atau kelompok politik - kemudian bekerja keras untuk menciptakan kebingungan tentang suatu masalah. Dalam kasus ketidaktahuan tentang tembakau dan perubahan iklim, masyarakat yang buta huruf secara ilmiah mungkin akan lebih rentan terhadap taktik yang digunakan oleh mereka yang ingin membingungkan dan menutupi kebenaran.

Pertimbangkan perubahan iklim sebagai contoh. “Pertarungan bukan hanya tentang keberadaan perubahan iklim, ini juga tentang apakah Tuhan telah menciptakan bumi untuk kita eksploitasi, apakah pemerintah memiliki hak untuk mengatur industri, apakah pencinta lingkungan harus diberdayakan, dan sebagainya. Ini bukan hanya tentang fakta, ini tentang apa yang dibayangkan mengalir dari dan ke fakta-fakta seperti itu, ”kata Proctor.

Membentuk pikiran kita sendiri

Ketidaktahuan belajar akademis lain adalah David Dunning, dari Cornell University. Dunning memperingatkan bahwa internet membantu menyebarkan ketidaktahuan - ini adalah tempat di mana setiap orang memiliki kesempatan untuk menjadi ahli mereka sendiri, katanya, yang membuat mereka menjadi mangsa kepentingan kuat yang ingin menyebarkan kebodohan secara sengaja.
Kekhawatiran saya bukanlah bahwa kita kehilangan kemampuan untuk mengambil keputusan sendiri, tetapi menjadi terlalu mudah untuk melakukannya - David Dunning


"Sementara beberapa orang pintar akan mendapat untung dari semua informasi sekarang hanya dengan sekali klik, banyak orang akan disesatkan ke dalam rasa kepalsuan yang salah. Kekhawatiran saya bukanlah bahwa kita kehilangan kemampuan untuk mengambil keputusan sendiri, tetapi itu menjadi terlalu mudah untuk melakukannya. Kita harus berkonsultasi dengan orang lain lebih dari yang kita bayangkan. Orang lain mungkin juga tidak sempurna, tetapi sering kali pendapat mereka jauh ke arah memperbaiki ketidaksempurnaan kita sendiri, karena keahlian kita yang tidak sempurna membantu memperbaiki kesalahan mereka, " memperingatkan Dunning.

Dunning dan Proctor juga memperingatkan bahwa penyebaran kebodohan yang disengaja merajalela di seluruh pemilihan presiden AS di kedua sisi spektrum politik.

Solusi calon presiden AS Donald Trump yang tidak dapat dijalankan atau tidak konstitusional adalah contoh agnotologi, kata Dunning (Kredit: Getty Images)
"Donald Trump adalah contoh nyata saat ini di AS, menyarankan solusi mudah bagi pengikut yang tidak bisa dijalankan atau tidak konstitusional," kata Dunning.

Jadi, sementara agnotologi mungkin memiliki asal-usulnya pada masa kejayaan industri tembakau, hari ini kebutuhan akan kata dan studi ketidaktahuan manusia sama kuatnya seperti sebelumnya.



source:
http://www.bbc.com/future/story/20160105-the-man-who-studies-the-spread-of-ignorance?

Komentar

  1. Sebuah artikel cukup bagus ttg AI.
    1. Membutuhkan data yang bervariasi dan stabil / terus menerus.
    2. Pentingnya intervensi manusia untuk selalu kalibrasi data.
    3.....

    ======
    Kecerdasan Buatan Membutuhkan Keragaman Data
    POSTING DITULIS OLEH

    Naga Rayapati

    Pendiri dan CEO / CTO di GoGetter Inc , pasar online untuk Tenaga Kerja Alternatif yang meningkatkan kecerdasan buatan Artificial Intelligence.
    =====
    Algoritma kecerdasan buatan (AI) umumnya lapar akan data, sebuah tren yang semakin cepat. Generasi baru pendekatan AI, yang disebut mesin pembelajaran seumur hidup, sedang dirancang untuk menarik data secara terus menerus dan tidak terbatas. Tapi ini sudah terjadi dengan pendekatan AI lainnya, meskipun dengan intervensi manusia. Aliran data yang stabil adalah bahan bakar untuk hasil yang didambakan.

    Tapi, dengan semakin pentingnya data, taruhannya bias data semakin tinggi. Perusahaan AI memiliki kewajiban moral kepada pelanggan mereka, dan kepada diri mereka sendiri, untuk secara aktif mengatasi bias data.

    Masalah Kami Saat Ini

    Contoh-contoh kesalahan di arena ini sangat banyak dan mengerikan: Aplikasi Foto Google mengklasifikasikan Afrika-Amerika sebagai gorila. Aplikasi rekrutmen internal Amazon menurunkan kandidat perempuan, Microsoft chatbot AI mengadopsi kata-kata rasis dan anti-Semit sebagai tanggapan atas percakapan di Twitter dan perangkat lunak pengenalan wajah Amazon keliru menyebut 28 anggota Kongres sebagai penjahat. Semua contoh ini, di samping masalah yang sama, telah mengekspos perut bias yang merayap ke dalam hasil AI, dengan kekesalan para pemimpin dan pemangku kepentingan perusahaan-perusahaan ini.


    Kegagalan untuk mengatasi dan bahkan mengantisipasi masalah ini tidak hanya akan menghasilkan produk sub-par; itu akan mendorong luddites untuk menolak AI sepenuhnya. Lebih jauh, dampak hukum memiliki potensi untuk mengerdilkan denda besar yang telah dikenakan pada perusahaan AI besar.

    Metode pembelajaran mesin tidak memiliki bias bawaan, tetapi data biasanya tidak. Sebagai contoh, melihat foto-foto mugshot AS saja, algoritma AI dapat dengan mudah menginterpolasi hubungan yang salah antara warna kulit dan penahanan. Memang, contoh yang sangat mengerikan adalah algoritma yang digunakan untuk membantu dalam pedoman hukuman . Karena tidak ada tindakan pencegahan untuk menjadi ras-buta, algoritma ini belajar untuk merekomendasikan pedoman yang lebih ketat secara tidak proporsional untuk minoritas.


    The most practical way to address the issue of data bias is to actively confront it in either the collection or curation phases for AI data. Algorithms can promulgate or even amplify biases in their data sources. Therefore, the data should be diversified to reduce bias.

    Data collection and preparation should be done by the team with diversified experience, backgrounds, ethnicity, race, age, and viewpoints. The view of someone from a less developed or developing country in Asia is going to be different than the view of someone from a Western country. ...

    Another important type of diversity is intellectual diversity. This includes academic discipline, risk tolerance, political perspective, collaboration style -- any of the individual characteristics which make us all unique. This type of diversity is known to enhance creativity and productivity growth, but it also improves the likelihood of detecting and correcting bias. Intellectual diversity can even exist within a single human who has developed a multidisciplinary background and experiences dealing with a broad range of people. ....

    A New Future for AI

    Not too long ago, the main challenge for AI was whether it would work. Now that its efficacy is better established, what one should do with AI is often more important than what one could do. Prevention, removal or mitigation of bias begins with good data curation and continues throughout the AI development life cycle. For the foreseeable future, this means that AI needs humans in the loop -- humans who enhance diversity and add resilience to bias.

    BalasHapus

Posting Komentar

Postingan populer dari blog ini

Triandis’ Theory of Interpersonal Behaviour

CONTOH PENERAPAN TEORI PSIKOLOGI SOSIAL Ind

Tahap Help