Публикации по теме bias

Публикации по теме 'bias'

Мой взгляд на предубеждения в алгоритмах/ИИ

Недавно я наткнулся на два доклада, критикующих то, как плохие алгоритмы делают жизнь многих людей невыносимой. Первое — это выступление Джой Буоламвини на TED, а второе — Google Tech Talk Кэти О’Нил, основанное на ее книге «Оружие математического разрушения». В докладе О’Нила было несколько примеров, показывающих, насколько проблематичным является алгоритмическое принятие решений. От выставления оценок учителям до отправки полиции в черные кварталы — ее данные и критика в порядке, пока..

Как разнообразие может решить проблему алгоритмической предвзятости

Алгоритмическая предвзятость ( предвзятость ИИ ) — это феномен , который возникает, когда алгоритм дает результаты, которые систематически искажаются из-за ошибочных предположений в процессе машинного обучения . Можно подумать, что инструменты на основе искусственного интеллекта ( AI ) должны давать беспристрастные результаты, если они управляются машиной; однако этот миф необходимо развеять, поскольку эти инструменты учатся на примерах ( набор данных ) вместо того, чтобы..

Этический ИИ: введение в предвзятость

Споры о предвзятости систем ИИ занимают центральное место в этичном ИИ. В этой статье я объясню ключевые аспекты предвзятости ИИ и почему это важно понимать. Введение Это первая из нескольких статей, которые я собираюсь написать об этичном ИИ. Я сосредоточусь на предвзятости и объяснимости в ИИ, а также на том, как эти две концепции приводят к этическим проблемам и решениям. В этой статье я расскажу, что такое предвзятость ИИ и почему это важно. Основные выводы: Предвзятость..

Как предвзятость свидетеля влияет на вашу прогностическую модель

Как предвзятость свидетеля влияет на вашу прогностическую модель Когда мы создаем прогностическую модель на основе данных, полученных в результате любого процесса предварительной фильтрации (включая предыдущую версию модели), у нас возникает систематическая ошибка выживания в данных. Систематическая ошибка выживания возникает, когда набор данных содержит только существующие наблюдения и не учитывает наблюдения, которые уже перестали существовать. В вооруженных силах примером предвзятости..

Серия статей об ответственном искусственном интеллекте, часть II: правильное управление

Йован Хул, инженер-программист Eightfold.ai В рамках нашей серии сообщений в блоге Ответственная практика в области ИИ мы хотели бы подробно остановиться на следующих аспектах для части II: Правильное управление В последние годы как работодатели, так и регулирующие органы все больше осознают этические последствия использования инструментов на основе ИИ в связи с решениями о трудоустройстве. Ключевым аспектом снижения этих рисков является надежная и прозрачная методология..

Помимо точности: как обеспечить ответственную разработку ИИ с помощью Amazon SageMaker

Простое в использовании подробное руководство по разработке менее предвзятой модели и объяснению результатов с помощью AWS для набора табличных данных розничных банковских услуг. Модели искусственного интеллекта (ИИ) становятся все более и более сложными. Google T5-XXL может похвастаться впечатляющими 11 миллиардами параметров, в то время как OpenAI GPT-3 поднимает планку с колоссальными 175 миллиардами параметров. В погоне за еще более высокой точностью GPT-4 раздвигает границы еще..

Причинный вывод с линейной регрессией: пропущенные переменные и нерелевантные переменные

Понимание смещения и дисперсии: пропущенные переменные, смешанные переменные, нерелевантные переменные и мультиколлинеарность В моей предыдущей статье Причинно-следственный вывод: эконометрические модели и A/B-тестирование мы обсуждаем, как использовать эконометрическую модель, а именно линейную регрессию, для исследования причинно-следственной связи между переменной обработки и переменная отклика, контролируя другие ковариаты. В этой статье мы обсудим некоторые распространенные..