Ранее на этой неделе Google объявил, что запускает интенсивный курс по машинному обучению для студентов колледжей. Сегодня его более обширный Курс по машинному обучению дополняется новым учебным модулем по справедливости при создании ИИ.
По мере роста внедрения машинного обучения этика и справедливость становятся очень важными аспектами. В то время как ИИ может иметь «потенциал быть более справедливым и инклюзивным в более широком масштабе, чем процессы принятия решений, основанные на случайных правилах или суждениях человека», могут существовать скрытые предубеждения, присутствующие в данных, используемых для обучения этих моделей. Другие вопросы включают обеспечение справедливости ИИ во всех ситуациях, в то время как в более широком смысле «нет стандартного определения справедливости».
При создании, оценке и развертывании моделей машинного обучения специалисты по машинному обучению должны держать в уме соображения справедливости (например, как различные демографические группы людей будут затронуты прогнозами модели). Кроме того, они должны проактивно разрабатывать стратегии для выявления и смягчения последствий алгоритмических предубеждений.
Google ранее выпустил свой внутренний Курс по машинному обучению, дополнив его новым учебным модулем по справедливости для самостоятельного изучения. Эта часовая программа была разработана командами Google по обучению инженеров и справедливости машинного обучения и будет обсуждать:
- Различные типы человеческих предубеждений, которые могут проявляться в моделях машинного обучения через данные
- Как выявлять потенциальные области человеческих предубеждений в данных перед обучением модели
- Методы оценки прогнозов модели не только по общей производительности, но и по предвзятости
Google также обновляет свой Словарь машинного обучения новыми записями, связанными со справедливостью.
Эти записи предоставляют четкие, краткие определения ключевых концепций справедливости, обсуждаемых в нашей учебной программе, разработанные в качестве основного справочника как для начинающих, так и для опытных специалистов. Мы также надеемся, что эти записи в глоссарии помогут далее распространить вопросы справедливости в сообществе машинного обучения.
Смотрите 9to5Google на YouTube для получения других новостей: