AI: Training Data & Bias
-
0:07 - 0:12يعد التعلم الآلي جيداً فقط عندما تكون
بيانات التدريب المدخلة جيدة أيضاً. -
0:12 - 0:16لذا، من الأهمية القصوى أن تستخدم بيانات ذات جودة عالية، وبأعداد كبيرة منها.
-
0:17 - 0:22لكن، إذا كانت البيانات هامة، هنا يجدر التساؤل عن المصدر الذي تأتي منه؟
-
0:22 - 0:26غالبا، يعمل الحاسوب على تجميع البيانات من الأشخاص امثالنا،
-
0:26 - 0:28بدون بذل اي جهد.
-
0:28 - 0:31قد تعمل خدمة تتبع الفيديو على تتبع ما تشاهده، ثم بعد ذلك، يمكنها تميز المحتوى ووضعه في شكل أنماط
-
0:32 - 0:36في بيانات توصى لك بما قد تشاهده لاحقاً.
-
0:37 - 0:43وفي أحيان أخرى، قد يطلب منك المساعدة مباشرة، مثلاً عندما يطلب منك موقع الويب استكشاف إشارات الشوارع والصور،
-
0:44 - 0:49فأنت تقدم بيانات تدريبية
لمساعدة الآلة على تعلم الرؤية، وحتى على تولي القيادة يوماً ما. -
0:52 - 0:56يمكن للباحثين الطبيين استخدام
الصور الطبية باعتبارها بيانات تدريبية من أجل تعليم -
0:57 - 1:00أجهزة الحاسوب طريقة التعرف على الأمراض وتشخيصها.
-
1:00 - 1:06يحتاج التعلم الآلي لمئات وآلاف الصور، وتوجيه تدريبي من الطبيب
-
1:06 - 1:10الذي يعلم ما يتم البحث عنه قبل أن يتم التعرف على المرض بصورة صحيحة.
-
1:11 - 1:16حتى في ظل وجود آلاف الأمثلة، فقد توجد مشكلات مع عمليات التنبؤ التي يقوم بها الحاسوب.
-
1:16 - 1:21ففي حالة تجميع بيانات الأشعة السينية من قبل الرجال فقط، فقد تصيح كل عمليات التنبؤ التي يقوم بها الحاسوب صالحة للرجال دون غيرهم.
-
1:22 - 1:26وقد لا يتمكن الحاسوب من تحديد الأمراض عندما
يطلب منه إجراء تشخيص بالأشعة السينية على السيدات. -
1:27 - 1:31هذه النقطة العمياء في البيانات التدريبية
التي تقوم بإنشاء شيء ما يطلق عليه اسم "التحيز". -
1:31 - 1:36هذه البيانات التحيزية تعمل على تفضيل بعض الأشياء عن بعضها البعض، أو لا تضع أشياء في أولوياتها، أو تستثني أخرى.
-
1:37 - 1:42بحسب الطريقة التي يتم بها تجميع بيانات التدريب، ومن القائم على تجميعها، وطريقة تغذية البيانات،
-
1:42 - 1:45توجد احتمالية بأن يكون
التحيز البشري متضمناً في البيانات. -
1:46 - 1:51وبتعلم البيانات التحيزية، فقد يقوم الحاسوب بإجراء عمليات تنبؤ متحيزة،
-
1:51 - 1:54سواء كأن الأشخاص الذين يدربون الحاسوب
على إدراك بهذا الأمر أم لا. -
1:55 - 1:58عند قيامك بالبحث عن بيانات التدريب، اطرح على نفسك سؤالين:
-
1:59 - 2:02هل هذه البيانات كافية لتدريب الحاسوب بدقة؟
-
2:02 - 2:07وهل تمثل هذه البيانات كل السيناريوهات الممكنة والمستخدمين بدون أي تحيز؟
-
2:07 - 2:11ومن هنا يجب أن يلعب التدريب البشري دوراً حيوياً.
-
2:11 - 2:14الأمر يرجع إليك في مسألة تقديم بيانات غير متحيزة لآلتك.
-
2:14 - 2:18ويعني هذا تجميع أطنان من الأمثلة، ومن الكثير من المصادر.
-
2:19 - 2:23تذكر بأنه عند قيامك بانتقاء البيانات واختيارها من أجل التعلم الآلي،
-
2:23 - 2:27فأنك تقوم بشكل فعلي ببرمجة الخورزاميات باستخدام بيانات التدريب بدلاً من التعليمات البرمجية.
-
2:27 - 2:30البيانات هي التعليمات البرمجية.
-
2:30 - 2:35كلما قدمت بيانات أفضل، كلما تعلم الحاسوب بشكل أفضل.
- Title:
- AI: Training Data & Bias
- Description:
-
more » « less
The most important aspect of Machine Learning is what data is used to train it. Find out how training data affects a machine's predictions and why biased data can lead to biased decisions.
Start learning at http://code.org/
Stay in touch with us!
• on Twitter https://twitter.com/codeorg
• on Facebook https://www.facebook.com/Code.org
• on Instagram https://instagram.com/codeorg
• on Tumblr https://blog.code.org
• on LinkedIn https://www.linkedin.com/company/code-org
• on Google+ https://google.com/+codeorg - Video Language:
- English
- Team:
Code.org
- Project:
- How AI Works
- Duration:
- 02:41
|
TranslateByHumans edited Arabic subtitles for AI: Training Data & Bias | |
|
Nisreen AlRawashdeh edited Arabic subtitles for AI: Training Data & Bias | |
|
|
Nisreen AlRawashdeh edited Arabic subtitles for AI: Training Data & Bias | |
|
|
Nisreen AlRawashdeh edited Arabic subtitles for AI: Training Data & Bias | |
|
|
Nisreen AlRawashdeh edited Arabic subtitles for AI: Training Data & Bias | |
|
|
Nisreen AlRawashdeh edited Arabic subtitles for AI: Training Data & Bias | |
|
|
Nisreen AlRawashdeh edited Arabic subtitles for AI: Training Data & Bias | |
|
|
Nisreen AlRawashdeh edited Arabic subtitles for AI: Training Data & Bias |