В быстро развивающейся области машинного обучения (МО) первостепенное значение имеет обеспечение надежности, справедливости и устойчивости моделей. В условиях растущей сложности моделей машинного обучения и огромного количества реальных приложений важно иметь эффективные методы оценки, которые помогают определить сильные и слабые стороны перед развертыванием этих моделей. В частности, автономные методы оценки предоставляют ценные средства оценки производительности модели, не полагаясь на..

В своей знаменитой аллегории о пещере Платон представляет узников, с детства прикованных цепями в пещере, где они могут видеть только тени, проецируемые на стену. Эти тени представляют их ограниченное представление о реальности. Один заключенный в конце концов сбегает и знакомится с более широким миром во всей его сложности. Вечная метафора Платона подчеркивает опасность формирования убеждений, основанных только на ограниченных данных. Этот урок в равной степени применим и к обучению..

Возможно, самая важная задача, стоящая сегодня перед машинным обучением, связана как с наукой о данных, так и с социальной справедливостью: снижение предвзятости в данных, моделях и методах машинного обучения. Машинное обучение играет быстро растущую роль в различных отраслях, от кредитования до страхования, здравоохранения, рекрутинга и многих других. Как отмечает математик и спикер Кэти О’Нил в своем выступлении на TED Talk, растущее использование ИИ означает, что те, кто..

Закодированная предвзятость посвящена исследованию последствий стремления исследователя медиа-лаборатории Массачусетского технологического института Джой Буоламвини доказать неотъемлемую гендерную и расовую предвзятость в используемых системах распознавания лиц. правоохранительными органами. После тщательного исследования коренных причин вышеупомянутых проблем, по моему мнению, «Закодированная предвзятость» служит одновременно и «тревожным звонком» для тех, кто еще не осознает,..

Машинное обучение часто считается областью, которая все еще находится в зачаточном состоянии, несмотря на то, что она уходит своими корнями в признанные науки, и если это так, справедливость и этика машинного обучения все еще находятся в зачаточном состоянии, несмотря на схожие исторические резонансы. Тем не менее, растущее использование машинного обучения в повседневных вычислениях делает его важной и важной областью для проверки его предубеждений в отношении расы, пола, класса и других..

В наши дни разработка ИИ получает много внимания в прессе; стороннему наблюдателю может показаться, что искусственный интеллект всего через несколько лет не сможет сравниться с человеческим интеллектом. Те из нас, кто работает в этой области, знают, что правда немного более приземленная: ИИ находит свое основное применение в способности находить закономерности и структуры в данных, которые могут быть неуловимы для человеческого глаза. Во многих случаях ИИ лучше распознает эти нишевые..