אתיקה של AI נלחמת בלהט למען זכותך החוקית להיות חריגה

אומרים שיש חריג לכל כלל.

עם זאת, הבעיה היא שלעיתים קרובות הכלל הקבוע מנצח ויש מעט או לא נותנים אישור להכרה או לבידור של חריג. המקרה הממוצע משמש למרות האפשרות המחמירה שיוצא מן הכלל נמצא בחזית. חריג לא מקבל זמן שידור. אין לזה הזדמנות להיחשב כראוי.

אני בטוח שאתה חייב לדעת על מה אני מדבר.

האם אי פעם ניסית להשיג סוג של שירות לקוחות פרטני לפיו קיבלת טיפול חסר דעת ללא כל הבדל למקרה הספציפי שלך ולצרכים הספציפיים שלך?

זה ללא ספק קרה לך, כנראה אינספור פעמים.

אני הולך לקחת אותך דרך מגמה מטרידה שמתעוררת לגבי האופן שבו בינה מלאכותית (AI) מתוכננת ללא הפוגה כדי להתאים הכל בכוח לפרדיגמה המתאימה לכל.

חריגים אינם מזוהים או שנבחרו לכופף את הצורה כאילו אינם חריגים כלל. הבסיס לכך נובע בחלקו מההופעה של למידת מכונה (ML) ולמידה עמוקה (DL). כפי שתראה בקרוב, ML/DL היא צורה של התאמת דפוסים חישוביים, שכמוה "קל" יותר לפתח ולפרוס אם אתה מוכן להתעלם או לעקוף חריגים. זה בעייתי מאוד ומעלה חששות בולטים של אתיקה של AI. לסיקור הכולל המתמשך והנרחב שלי על אתיקה של AI ו- AI אתי, ראה הקישור כאן ו הקישור כאן, רק כדי שם כמה.

הדברים לא חייבים להיות כך, ואנא דעו כי אלה שמייצרים ופורסים בינה מלאכותית מעודדים את זה על ידי בחירה להתעלם או להמעיט בטיפול בחריגים בתוך תערובת הבינה המלאכותית שלהם.

כאשר שולטים חריגים

בוא נפרק תחילה את אופי המקרה הממוצע מול מימוש החריגים.

הדוגמה האהובה עליי לסוג זה של גישת כלבים או גישת קוצר ראייה ממוצעת ללא חריגים מוארת בצורה חיה על ידי כמעט כל פרק של סדרת הטלוויזיה עטורת השבחים ועדיין הפופולרית למדי המכונה האוס, MD (בדרך כלל מתבטא רק כ בית, שפעל בין 2004 ל-2012 וניתן לצפות בו היום ברשתות החברתיות ובכלי תקשורת אחרים). ההצגה כללה דמות בדיונית בשם ד"ר גרגורי האוס, שהיתה קשוחה, בלתי נסבלת ודי לא קונבנציונלית, ובכל זאת הוא הוצג כגאון רפואי שיכול להעלים את המחלות והתחלואים המעורפלים ביותר. רופאים אחרים ואפילו חולים אולי לא בהכרח אהבו אותו, אבל הוא עשה את העבודה.

כך התנהל פרק טיפוסי (התראת ספוילר גנרית!).

מטופל מופיע בבית החולים בו נמצא ד"ר האוס בצוות. החולה מציג בתחילה תסמינים נפוצים במקצת ורופאים שונים אחרים מתחלפים בתורם בניסיון לאבחן ולרפא את החולה. הדבר המוזר הוא שהניסיונות לעזור למטופל או לא מצליחים לשפר את התנאים השליליים או גרוע מכך נוטים להגיב. החולה מחמיר יותר ויותר.

מכיוון שהמטופל נתפס כעת כסוג של קוריוז רפואי, ומאחר שאף אחד אחר לא יכול להבין ממה החולה סובל, ד"ר האוס מובא לתיק. זה נעשה לפעמים בכוונה כדי לנצל את כישוריו הרפואיים, בעוד שבמקרים אחרים הוא שומע על המקרה והאינסטינקטים המולדים שלו מושכים אותו לעבר הנסיבות החריגות.

אנו מגלים בהדרגה שלמטופל יש איזו מחלה נדירה ביותר. רק ד"ר האוס וצוות המתמחים הרפואיים שלו מסוגלים להבין זאת.

כעת, לאחר ששיתפתי אתכם בקו העלילה המרכזי של הפרקים, בואו נצלול ללקחים שנלמדו שממחישים את אופי המקרה הממוצע לעומת החריגים.

הסיפורים הבדיוניים נועדו להראות כיצד חשיבה בתוך הקופסה יכולה לפעמים להחמיץ את המטרה. כל שאר הרופאים שמנסים בהתחלה לעזור למטופל מעופלים בתהליכי החשיבה שלהם. הם רוצים לאלץ את הסימפטומים והציגו היבטים לאבחנה רפואית קונבנציונלית. המטופל הוא רק אחד מני רבים שהם כנראה ראו בעבר. בדוק את המטופל ולאחר מכן תרשום את אותם טיפולים ופתרונות רפואיים שבהם השתמשו שוב ושוב במהלך הקריירה הרפואית שלהם.

שוטפים, שוטפים, חוזרים על הפעולה.

במובן מסוים, אתה יכול להצדיק גישה זו. רוב הסיכויים הם שלרוב החולים יהיו המחלות השכיחות ביותר. יום אחר יום, הרופאים הללו נתקלים באותן בעיות רפואיות. אתה יכול להציע שהמטופלים הנכנסים לבית החולים נמצאים ממש בפס ייצור רפואי. כל אחד מהם זורם לאורך הפרוטוקולים הסטנדרטיים של בית החולים כאילו הם חלקים ממתקן ייצור או מפעל הרכבה.

המקרה הממוצע מנצח. לא רק שזה מתאים בדרך כלל, אלא גם מאפשר לבית החולים ולצוות הרפואי לייעל את השירותים הרפואיים שלהם בהתאם. ניתן להוזיל עלויות כאשר אתה מתכנן את התהליכים הרפואיים לטיפול בתיק הממוצע. יש עצה מפורסמת למדי שמתופפת במוחם של סטודנטים לרפואה, כלומר שאם אתה שומע קולות של פרסה המגיעים מהרחוב, רוב הסיכויים שאתה צריך לחשוב על סוס ולא על זברה.

יעיל, פרודוקטיבי, יעיל.

עד שיוצא מן הכלל מתגנב לתווך.

אולי זברה מגן החיות ברחה ושוטטה ברחוב שלך.

האם זה אומר שחריגים צריכים להיות הכלל ועלינו לבטל את כלל המקרה הממוצע במקום להתמקד אך ורק בחריגים?

יהיה לך קשה לטעון שכל המפגשים והשירותים היומיומיים שלנו צריכים להיות ממוקדים בחריגים ולא במקרה הממוצע.

שימו לב שאני לא מציע הצעה כזו. מה שאני טוען הוא שעלינו להבטיח שמאפשרים חריגים להתרחש ושעלינו לזהות מתי מתעוררים חריגים. אני מזכיר זאת מכיוון שכמה מבינים נוטים להכריז בקול רם שאם אתה חסיד של הכרה בחריגים, אתה חייב להתנגד לתכנון המקרה הממוצע.

זו דיכוטומיה שקרית.

אל תיפול על זה.

אנחנו יכולים לקבל את העוגה שלנו וגם לאכול אותה.

טענה לזכות להיות חריגה

בשלב הבא אולי אספק קצת זעזוע שקשור את כל זה לשימוש ההולך וגדל ב-AI.

מערכות בינה מלאכותית עושות יותר ויותר מעוצבות כדי להתרכז במקרה הממוצע, לעתים קרובות תוך החרגה או פגיעה בזיהוי חריגים.

אולי תופתעו לדעת שזה קורה. רובנו מניחים שמכיוון שבינה מלאכותית היא סוג של אוטומציה ממוחשבת, היופי באוטומציה של דברים הוא שבדרך כלל אפשר לשלב חריגים. זה יכול להיעשות בדרך כלל בעלות מופחתת מאשר אם היית משתמש בעבודה אנושית כדי לבצע שירות דומה. עם עבודה אנושית, זה עשוי להיות יקר או מכריע להחזיק כל מיני כוח עבודה זמין שיכול להתמודד עם חריגים. הרבה יותר קל לנהל ולהתקין דברים אם אתה יכול להניח שהלקוחות או הלקוחות שלך הם כולם בקליבר הממוצע. אבל השימוש במערכות ממוחשבות אמור להכיל חריגים, בקלות. בדרך החשיבה הזו, אנחנו צריכים לעודד בסערה ליכולות ממוחשבות יותר שיגיעו לקדמת הבמה.

חשבו על זה כחידה מרתיעה וקחו רגע להרהר בשאלה המטרידה הזו: איך יכול בינה מלאכותית שאחרת מניחים שהיא מיטב האוטומציה, שלכאורה צועדת באופן בלתי נמנע במורד הנתיב השגרתי וחסר היוצאים מן הכלל, שבאופן אירוני או בלתי צפוי דמיינו שהוא הולך בדיוק בכיוון ההפוך?

תשובה: עם זאת, למידת מכונה ולמידה עמוקה לוקחים אותנו לקיום חסר חריג לֹא כי אנחנו חייבים ללכת בדרך זו באופן חובה (אנחנו יכולים לעשות טוב יותר).

בואו נפרק את זה.

נניח שנחליט להשתמש ב-Machine Learning כדי להמציא בינה מלאכותית שתשמש כדי להבין אבחנות רפואיות. אנו אוספים חבורה של נתונים היסטוריים על חולים ונסיבותיהם הרפואיות. ה-ML/DL שהקמנו מנסה לבצע התאמה של דפוסי חישוב שיבדוק את הסימפטומים של המטופלים ויציג מחלה צפויה הקשורה לתסמינים אלו.

בהתבסס על הנתונים המוזנים, ה-ML/DL מוודא מתמטית שתסמינים כגון נזלת, כאב גרון, כאבי ראש וכאב קשורים כולם בהצטננות. בית חולים בוחר להשתמש בבינה מלאכותית זו כדי לבצע בדיקה מוקדמת של חולים. אין ספק, חולים המדווחים על התסמינים הללו עם הגעתם הראשונה לבית החולים "מאובחנות" כסבירות שיש להם הצטננות.

העברת הילוכים, בואו נוסיף לכל זה סוג של טוויסט של ד"ר האוס.

מטופל מגיע לבית החולים ומאובחן על ידי ה-AI. ה-AI מצביע על כך שנראה שהמטופל סובל מהצטננות על סמך תסמינים של נזלת, כאב גרון וכאבי ראש. המטופל מקבל מרשמים מתאימים לכאורה וייעוץ רפואי להתמודדות עם הצטננות. כל זה הוא חלק בלתי נפרד מגישת המקרה הממוצע המשמשת בעת תכנון AI.

מסתבר שהחולה בסופו של דבר סובל מתסמינים אלו במשך מספר חודשים. מומחה למחלות ומחלות נדירות מבין שאותם תסמינים יכולים להיות משקפים דליפת נוזל מוחי (CSF). המומחה מטפל בחולה בהליכים כירורגיים שונים הקשורים לדליפות מסוג זה. החולה מחלים (אגב, הסיפור המדהים הזה על חולה עם דליפת CSF שאובחנה בתחילה כסובלת מהצטננות, מבוסס באופן רופף על מקרה רפואי אמיתי).

כעת נחזור על עקבותינו בסאגה הרפואית הזו.

מדוע הבינה המלאכותית שעשתה את הבדיקה המוקדמת של הצריכה לא הצליחה להעריך שאולי החולה סובל מהמחלה הנדירה הזו?

תשובה אחת היא שאם נתוני האימון המשמשים ליצירת ה-ML/DL לא היו מכילים מופעים כאלה, לא יהיה בהם שום דבר להתאמת דפוס החישוב. בהיעדר נתונים המכסים חריגים לכלל, הכלל הכללי או המקרה הממוצע עצמו ייחשבו כחסרי פגמים לכאורה ויישמו ללא כל היסוס.

אפשרות נוספת היא שהיה למשל מקרה של דליפת CSF נדירה זו בנתונים ההיסטוריים, אבל זה היה רק ​​מקרה אחד מסוים ובמובן זה חריג. שאר הנתונים היו כולם קרובים מבחינה מתמטית למקרה הממוצע שנקבע. אז נשאלת השאלה מה לעשות לגבי מה שנקרא חריג.

אנא שים לב שההתמודדות עם חריגים אלה היא עניין ששונה מאוד לגבי האופן שבו מפתחי בינה מלאכותית עשויים להחליט להתמודד עם הופעת משהו מחוץ למקרה הממוצע שנקבע. אין גישה נדרשת שמפתחי בינה מלאכותית נאלצים לנקוט. זה קצת מערב פרוע לגבי מה שכל מפתח בינה מלאכותית נתון יכול לעשות בכל מקרה נתון של העלאת חריגים של מאמצי פיתוח ה-ML/DL שלו.

הנה הרשימה שלי של הדרכים שבהן יוצאות דופן לעתים קרובות באופן לא הולם טיפל:

• החריג הונח כשגיאה
• יוצא מן הכלל הניח כלא ראוי
• יוצא מן הכלל הניח כמתכוונן ל"נורמה"
• חריגה לא מורגשת כלל
• חריג הבחין אך התעלם סופית
• חריג שם לב ואז נשכח מאוחר יותר
• חריג שמו לב והוסתר מהעין
• וכו '

מפתח AI עשוי להחליט שהנדירות היא לא יותר משגיאה בנתונים. זה אולי נראה מוזר שמישהו יחשוב כך, במיוחד אם תנסה להאניש את זה על ידי למשל לדמיין שהמטופל עם דליפת CSF הוא המקרה האחד הזה. יש פיתוי רב עוצמה שאם כל הנתונים שלך מחוץ להקשר אומרים בעצם דבר אחד, אולי מורכב מאלפי אלפי רשומות וכולם מתכנסים למקרה ממוצע, התרחשות של פיסת נתונים מוזרה אחת יכולה בקלות (בעצלנות!) להתפרש כשגיאה מוחלטת. לאחר מכן, ה"שגיאה" עשויה להיפטר על ידי מפתח הבינה המלאכותית ולא להיחשב בתחום של מה שה-ML/DL מתאמן עליו.

אמצעי נוסף להתמודדות עם חריג יהיה להחליט שזה עניין לא ראוי. למה להתעסק עם נדיר אחד כשאתה אולי ממהר להפעיל ML/DL? לזרוק את החריגה ולהמשיך הלאה. שום מחשבה לא הולכת בהכרח לכיוון ההשלכות בהמשך הדרך.

גישה נוספת כרוכה בקיפול החריג לתוך שאר המילייה של המקרים הממוצעים. מפתח הבינה המלאכותית משנה את הנתונים כך שיתאימו לשאר הנורמה. יש גם סיכוי שמפתח הבינה המלאכותית לא יבחין שהחריג קיים.

ה-ML/DL עשוי לדווח שהחריג זוהה, ואז מפתח הבינה המלאכותית אמור להנחות את ה-ML/DL כיצד יש להתמודד עם החריג מבחינה מתמטית. מפתח הבינה המלאכותית עשוי להכניס את זה לרשימת מטלות ובהמשך לשכוח מהתמודדות עם זה או אולי פשוט לבחור להתעלם מזה, וכן הלאה.

בסך הכל, הזיהוי והפתרון של התמודדות עם חריגים בכל הנוגע לבינה מלאכותית היא ללא כל גישה מסויימת או מאוזנת ומנומקת כשלעצמה. חריגים מטופלים לעתים קרובות כמו מנודים לא ראויים והמקרה הממוצע הוא המנצח הרווח. ההתמודדות עם חריגים היא קשה, עלולה להיות גוזלת זמן, דורשת מראית עין של כישורי פיתוח בינה מלאכותית, וחוץ מזה היא טרחה בהשוואה לחיבור דברים לתוך עניבת פרפר אלגנטית של חבילה בגודל אחד.

במידה מסוימת, זו הסיבה שהאתיקה של AI ובינה מלאכותית אתית היא נושא כה מכריע. מצוות האתיקה של AI גורמות לנו להישאר ערניים. טכנולוגים בינה מלאכותית יכולים לפעמים להתעסק בטכנולוגיה, במיוחד באופטימיזציה של ההייטק. הם לא בהכרח שוקלים את ההשלכות החברתיות הגדולות יותר.

מלבד שימוש במצוות האתיקה של בינה מלאכותית באופן כללי, ישנה שאלה מקבילה האם צריכים להיות לנו חוקים שישלטו על שימושים שונים בבינה מלאכותית. חוקים חדשים מתגבשים ברמה הפדרלית, המדינתית והמקומית הנוגעים לטווח והטבע של האופן שבו יש לתכנן AI. המאמץ לנסח ולחוקק חוקים כאלה הוא הדרגתי.

לדיון הספציפי הזה על תפקידם של חריגים נכנסת נקודת מבט פרובוקטיבית שאולי צריכה להיות זכות משפטית הקשורה להיות חריג. יכול להיות שהאמצעי הקיימא היחיד לקבל הכרה בתום לב באדם שעלול להיות חריג כרוך בשימוש בזרוע הארוכה של החוק.

להקים סוג חדש של זכות אדם.

הזכות להיחשב חריג.

שקול את ההצעה הזו: "הזכות להיות חריג אינה מעידה על כך שכל אדם is חריג אלא שכאשר החלטה עלולה לגרום נזק לנושא ההחלטה, על מקבל ההחלטות לשקול את האפשרות שהנושא אולי להיות חריג. הזכות להיות חריגה כוללת שלושה מרכיבים: לפגוע, אינדיבידואליזציה, ו אי ודאות. על מקבל ההחלטות לבחור להסב נזק רק לאחר ששקל אם ההחלטה מותאמת באופן אינדיבידואלי, ובאופן מכריע, את חוסר הוודאות הנלווה למרכיב מונע הנתונים של ההחלטה. ככל שהסיכון לנזק גדול יותר, כך השיקול חמור יותר" (מאת שרה סן, במאמר מחקר בשם הזכות להיות חריג בקבלת החלטות מונעות נתונים, MIT, 12 באפריל, 2022).

אולי תתפתו להניח שכבר יש לנו זכות כזו.

לא בהכרח. על פי מאמר המחקר, הזכות הדומה ביותר להכרה בינלאומית עשויה להיות זו של כבוד הפרט. בתיאוריה, התפיסה שצריכה להיות הכרה בכבוד כך שאדם והייחודיות הספציפית שלו אמורים להיות מוקפים, מכניסה אותך למגרש של זכות אדם פוטנציאלית של חריגה. אחת הסבלנות היא שהחוקים הקיימים השולטים בתחום הכבוד, אמורים להיות מעט מעורפלים וגמישים מדי, ולכן אינם מכוונים היטב למבנה המשפטי הספציפי של זכות חריגה.

אלה שמצדדים בזכות חדשה המורכבת מזכות אדם להיות חריג יטענו כי:

• זכות כזו כמעט תאלץ מפתחי בינה מלאכותית להתמודד באופן מפורש עם חריגים
• חברות המייצרות בינה מלאכותית יהיו בטוחות יותר מבחינה חוקית על כך שלא יתמודדו עם חריגים
• ככל הנראה AI יהיה מאוזן טוב יותר וחזק יותר בסך הכל
• אלה המשתמשים ב-AI או הכפופים ל-AI יהיו טובים יותר
• כאשר בינה מלאכותית אינה מתאימה לחריגים, פנייה משפטית תהיה אפשרית בקלות
• גם יצרני בינה מלאכותית יהיו במצב טוב יותר (בינה מלאכותית שלהם תכסה מגוון רחב יותר של משתמשים)
• וכו '

אלה שמתנגדים לזכות חדשה המתויגת כזכות אדם להיות חריגה נוטים לומר:

• זכויות אדם וזכויות משפטיות קיימות מכסות זאת מספיק ואין צורך לסבך את העניינים
• עומס מיותר יוטל על כתפיהם של יצרני בינה מלאכותית
• המאמצים ליצור בינה מלאכותית יהפכו יקרים יותר ויאטו את התקדמות הבינה המלאכותית
• יתעוררו ציפיות שווא שכולם ידרשו שהם יהיו חריגים
• הזכות עצמה תהיה נתונה ללא ספק לפרשנויות שונות
• מי שירוויח הכי הרבה יהיה מקצוע עריכת הדין כאשר תיקים משפטיים יזנקו
• וכו '

בקיצור, ההתנגדות לזכות חדשה כזו טוענת בדרך כלל שמדובר במשחק סכום אפס ושזכות חוקית להיות חריגה הולכת לעלות יותר ממה שהיא נובעת בצורה מועילה. מי שמאמין שנדרשת זכות חדשה כזו בצורה מושכלת, נוהגים להדגיש שזה לא משחק סכום אפס ושבסופו של דבר כולם מרוויחים, כולל אלה שמייצרים בינה מלאכותית ואלו שמשתמשים בבינה מלאכותית.

אתה יכול להיות בטוח שהוויכוח הזה, הכולל השלכות משפטיות, אתיות וחברתיות הקשורות לבינה מלאכותית וחריגים, הולך להיות רועש ומתמשך.

מכוניות בנהיגה עצמית וחשיבות החריגים

שקול כיצד זה חל בהקשר של מערכות אוטונומיות כגון רכבים אוטונומיים ומכוניות בנהיגה עצמית. כבר היו ביקורות שונות על הלך הרוח הממוצע של פיתוח בינה מלאכותית עבור מכוניות בנהיגה עצמית ורכבים אוטונומיים.

לדוגמה, בהתחלה, מעט מאוד עיצובים של מכוניות בנהיגה עצמית התאימו לאלו שיש להם צורה כלשהי של מוגבלות פיזית או ליקוי. לא הוקדשה מחשבה רבה להקיף רחב יותר של מגוון שלם של צורכי רוכב. בגדול, המודעות הזו גדלה, אם כי עדיין מובעים חששות לגבי האם זה מספיק רחוק ומאומץ בצורה נרחבת כמו שצריך.

דוגמה נוספת למקרה ממוצע לעומת חריג קשורה למשהו שעלול לתפוס אותך מחוץ לשומר.

האם אתה מוכן?

התכנון והפריסה של רבות ממערכות הנהיגה בינה מלאכותית ומכוניות בנהיגה עצמית של ימינו נוטים ליצור הנחה שקטה או בלתי מפורשת שמבוגרים יסעו במכונית הנוהגת בעצמה. אנו יודעים שכאשר נהג אנושי על ההגה יש כמובן מבוגר ברכב, בהגדרה שכן בדרך כלל קבלת רישיון נהיגה מבוססת על היותו מבוגר (טוב, או כמעט כזה). עבור מכוניות בנהיגה עצמית עם בינה מלאכותית שמבצעת את כל הנהיגה, אין צורך שאדם מבוגר יהיה נוכח.

הנקודה היא שילדים נוסעים במכוניות בעצמם ללא נוכחות של מבוגר, לפחות זה אפשרי במקרה של מכוניות מונעות בינה מלאכותית אוטונומית מלאה. אתה יכול לשלוח את הילדים שלך לבית הספר בבוקר על ידי שימוש במכונית בנהיגה עצמית. במקום שתצטרכו לתת לילדים שלכם טרמפ, או שתצטרכו לעשות שימוש בנהג אנושי של שירות שיתוף נסיעות, אתם יכולים פשוט להכניס את ילדיכם למכונית בנהיגה עצמית ולהוביל אותם לבית הספר.

הכל לא ורוד כשמדובר בילדים במכוניות נוהגות בעצמם.

מכיוון שכבר אין צורך במבוגר ברכב, הדבר מרמז שגם ילדים לא ירגישו יותר מושפעים או נגיד נשלטים על ידי נוכחות של מבוגר. האם ילדים ישתגעו ויקרעו את הפנים של מכוניות בנהיגה עצמית? האם ילדים ינסו לטפס או להגיע אל מחוץ לחלונות המכונית הנוהגת בעצמה? אילו סוגים אחרים של תעלולים הם עלולים לעשות, ולהוביל לפציעה אפשרית ולנזק חמור?

כיסיתי את הוויכוח הסוער על הרעיון של ילדים נוסעים לבד במכוניות בנהיגה עצמית, תראה הקישור כאן. יש האומרים שאסור לאפשר זאת. יש האומרים שזה בלתי נמנע ואנחנו צריכים להבין איך לגרום לזה להצליח בצורה הטובה ביותר.

סיכום

נחזור לנושא הכולל של מקרה ממוצע מול חריג.

נראה שכולנו מסכימים שתמיד יהיה חריג לכלל. ברגע שכלל נוצר או זוהה, אנחנו צריכים לחפש חריגים. כאשר אנו נתקלים בחריגים, עלינו לחשוב על איזה כלל סביר שהחריג הזה חל עליו.

רבים מה-AI המתוכננים כיום מעוצבים סביב ניסוח הכלל, בעוד שהאתגרים הקשורים לחריגים נוטים להיות מוזנחים ומתנערים.

עבור אלה שאוהבים להיות סמויים ואומרים שאין יוצאים מן הכלל לכלל שתמיד יש חריגים לכלל, אני מכיר בכך שנראה שהשנינות הזו היא תמיהה נפשית. כלומר, איך יכול להיות לנו כלל שתמיד יש יוצאים מן הכלל, אבל אז נראה שהכלל הזה ממש לא חל על הכלל שתמיד יש חריגים לכלל?

גורם לסובב את הראש.

למרבה המזל, אין צורך לסבך יתר על המידה את העניינים המפוכחים הללו. אנו מקווים שנוכל לחיות עם כלל האצבע השימושי והחיוני שעלינו לשים לב אליו ולהתאים את החריגים לכל כלל.

זה מסדר את העניינים, אז עכשיו בואו נתחיל לעבוד על זה.