Публикации по теме 'ethics'


AskDelphi: может ли машина иметь этическое чувство?
Введение С тех пор, как появились первые роботы, люди задавались вопросом о своем будущем положении в жизни и о том, на что они будут способны. На эту тему было много дискуссий, но с тех пор, как появилось машинное обучение, возник вопрос: Может ли ИИ выносить этические суждения? Этот вопрос возникал в разных ситуациях, в основном связанных с принятием решений машинами. давал разные ответы. В то время как некоторые считают это пустой тратой времени, другие говорят, что это может..
Представляем слепую зону ИИ: призыв к техническим специалистам мыслить целостно и выявлять риски
Как команды могут предотвратить влияние структурного неравенства и их бессознательных предубеждений на системы искусственного интеллекта? Проект AI Blindspot предлагает процесс открытия, чтобы помочь организациям бороться с предубеждениями и создавать более совершенные системы ИИ. Проект создан в ходе программы Ассамблея 2019 года, организованной Berkman Klein Center и MIT Media Lab. AI Blindspot призван стимулировать обсуждение и обсуждение подводных камней систем ИИ. Для..
Машинное разучивание: обязанность забывать
Мнение Машинное разучивание: обязанность забывать Как и почему важно стирать информацию о точках данных из модели ИИ Что такое право быть забытым? Что такое разучивание машины? Возникает новое внимание к конфиденциальности, что приводит к новым правилам. Машинное обучение должно уметь стирать информацию, но это сложная задача. Почему? Как мы могли бы сделать? Память электронного слона В 2020 году объем данных в Интернете составляет 64 зеттабайта (где зеттабайт — это..
Дорогой ИИ, нам нужно поговорить о предвзятости
Я знаю, что это не лежит в основе вашей бизнес-модели, но другие отрасли тоже не послушались и теперь платят огромные штрафы. В ваших же интересах создать устойчивую производственную линию. Продукты ИИ, которые различают, плохо пиарятся и дороги. Конечно, есть и другие проблемы, такие как конфиденциальность данных по сравнению с моделями машинного обучения, потребляющими данные, или экологические затраты на охлаждение таких все более мощных машин. Но сегодня мы поговорим о..
ML нужен FAT! Часть 2. Борьба с рецидивами с помощью COMPAS и FICO
Часть 2 из N документа «ML нужна FAT!» серия, посвященная прояснению вопросов F[airness]-A[countability]-T[transparency] в M[achine] L[earning]. На этой неделе мы уточним нашу таксономию: Наконец-то разберемся с концепцией матриц путаницы . Определение нескольких ключевых показателей для оценки «точности» классификатора, потому что точность не может — или не должна — всегда быть целью ! Изучение некоторых различных определений справедливости . Обсуждение того, как решить,..
GPT-X: спящий гигант искусственного интеллекта, который вот-вот проснется
Введение в GPT-X и его потенциал Генеративный предварительно обученный преобразователь, или, как его чаще называют, GPT, с момента своего создания произвел фурор в области искусственного интеллекта. Начиная с GPT-1 и теперь с GPT-4, каждая итерация приводила к значительным улучшениям, продвигая…
Почему машинное обучение убьет нас самих
Открытие — основа нашего бытия. Мы существуем, чтобы исследовать и открывать. машинное обучение и алгоритмы лишают нас этого. Давайте рассмотрим простую ситуацию: вы заходите в магазин каждый понедельник и покупаете один и тот же товар (скажем, хлеб — для простоты). В следующий раз, когда вы окажетесь в магазине, в этот понедельник, скорее всего, вы купите тот же самый товар. Это рутина. Машинное обучение (ML) изучает наборы данных и пытается создать ожидаемый результат. Если бы..