Etika Transparansi dan Opasitas AI
Transparansi merupakan salah satu prinsip etika utama dalam AI. Hal ini ditinjau dari opasitas atau ketidaktransparan algoritma AI yang dapat mengakibatkan pengguna dan pengembang tidak memahami sepenuhnya bagaimana sebuah keputusan diambil. Hal ini bisa menimbulkan ketidakpercayaan dan penyalahgunaan. Sehingga diperlukan mekanisme audit yang memungkinkan publik dan pemangku kepentingan untuk mengevaluasi proses kerja AI.
Dalam penelitiannya pada 2021, Allesandro Facchini dan Alberto Termine menulis bahwa pemahaman para pemangku kepentingan terkait ketidaktransparan AI dalam konteks tertentu tergantung pada sifat, luas dan karakteristik tujuan mereka, latar belakang pengetahuan serta kemampuan kognitif mereka. Dalam artikelnya tersebut, penulis mengidentifikasi tiga bentuk opasitas AI yang secara konseptual dan logis independen yaitu ketidaktransparanan akses (access opacity), ketidaktransparanan hubungan (link opacity) dan ketidaktransparanan semantik (semantic opacity).
Penulis juga melakukan analisis kemungkinan manifestasi spesifik dari masing-masing bentuk tersebut, serta hubungan saling ketergantungan dan kemudian membangun sebuah taksonomi awal, meskipun masih parsial, untuk ketidaktransparanan sistem AI, yang bisa dianggap sebagai kontekstual dan plural. Taksonomi ini melampaui pandangan umum yang biasanya hanya berfokus pada struktur internal dan cara kerja sistem AI. Metode XAI (Explainable AI) dapat membantu mengurangi ketidaktransparanan, khususnya dalam integrasi pendekatan berbasis data melalui standar ilmiah.
