Публикации по теме 'bias'
Объяснение справедливости: определения и показатели
В соавторстве с Кэролин Саплицки , специалистом по обработке и анализу данных в экспертной лаборатории Trustworthy AI Practice, и Митали Банте , специалистом по данным в Expert Labs Trustworthy AI Practice.
Поскольку все больше компаний обращаются к моделям искусственного интеллекта (ИИ) для получения результатов, основанных на данных, необходимо использовать ограничения для обеспечения надежности на протяжении всего жизненного цикла модели. ИИ может полностью раскрыть свой потенциал..
Unbiased Data Marketplace — Объявление о запуске
Unbiased объявляет о создании рынка данных для борьбы с предвзятостью в области искусственного интеллекта
Unbiased , стартап, базирующийся в Гётеборге, Швеция, назначил 6 марта дату запуска своей новой Рынки данных , которая использует комбинацию краудсорсинга, блокчейна и искусственного интеллекта для включить прозрачный сбор достоверных данных.
У сообщества искусственного интеллекта есть проблема; их источники данных пронизаны предвзятостью.
«Мы живем в эпоху..
Глубокое обучение для программистов — Глава 3. Ключевые выводы
Недавно Джереми Ховард и его команда выпустили несколько уроков из серии Практическое глубокое обучение для кодеров 2022 . На протяжении многих лет мне нравилось, как он слушал некоторые из его выступлений и читал некоторые его материалы. Хотя я уже прошел свою часть лекций и курсов, связанных с ML, я решил пройти его Серию лекций и книгу 2022 года в качестве своего рода переподготовки. Я буду писать о некоторых из моих ключевых выводы из каждой главы.
Тема этики ИИ довольно..
Что такое переоснащение и недостаточное оснащение в машинном обучении?
Когда вы войдете в сферу машинного обучения, появятся несколько двусмысленных терминов. Такие термины, как переоснащение, недостаточное соответствие и компромисс между отклонениями и отклонениями. Эти концепции лежат в основе машинного обучения в целом. В этом посте я объясню эти термины на примере.
Почему нам вообще должно быть до этого дело?
Возможно, модели машинного обучения преследуют одну единственную цель; хорошо обобщать. Я уже упоминал об этом в нескольких предыдущих..
Я думаю, что предвзятость ИИ неправильно определена, вот почему ...
Наше общее определение предвзятости не очень помогает в контексте ИИ, где существует широкий набор проблем для разных типов пользователей.
Этические рамки для любой технологии как таковые были одной из моих любимых и близких к сердцу тем. Несколько недель назад я писал ответ на консультацию по Австралийской системе этики для искусственного интеллекта , , которая была приглашена Министерством промышленности, инноваций и науки .
Один из критических разделов, очевидно, был связан..
Предотвращение дискриминационных результатов в кредитных моделях
Машинное обучение используется для принятия крупномасштабных решений, которые могут сильно повлиять на жизнь людей. Не рассматривая и не анализируя такие сценарии, мы можем в конечном итоге построить модели, не относящиеся к обществу одинаково и даже нарушающие законы о борьбе с дискриминацией.
Существует несколько алгоритмических вмешательств для выявления несправедливого обращения на основе того, что считается справедливым. В этой статье мы рассмотрим их и объясним их преимущества..
Устранение точек отказа вашей модели машинного обучения
Пошаговое руководство по поиску и пониманию проблем в вашей модели машинного обучения - и их устранению!
Модели машинного обучения можно использовать для создания классных приложений и демонстраций. Однако надежное развертывание систем машинного обучения в реальном мире по-прежнему является проблемой, поскольку они часто неожиданно выходят из строя, когда появляются неожиданные данные .
Например, классификация цифр в наборе данных рукописного ввода MNIST - одна из самых основных задач..
