AI: Training Data & Bias

Învățarea automată este la fel de bună ca
datele de instruire pe care le-ai introdus

Deci, e important să folosești date de
calitate superioară și multe dintre ele.

Dar dacă datele sunt importante, merită să
întrebăm de unde vin datele de instruire?

Adesea, computerele colectează date de
instruire la la oameni ca time și ca mine,

fără niciun efort din partea noastră.

Un serviciu de difuzare poate urmări ce ai
văzut, atunci ar putea recunoaște tipare

în aceledate să recomande ce ai putea dori
să vezi mai departe.

Alteori, ești rugat în mod direct
să identifici semne și poze de străzi.

Oferi date de instruire să ajuți o mașină
să învețe să vadă, și poate să conducă.

Cercetătorii medicali pot folosi imaginile
medicale ca date de instruire ca să învețe

computerele cum să recunoască și să
diagnosticheze bolile.

Învățarea Automată necesită sute și mii
de imagini și instructajul unui doctor

care știe ce să caute, înainte să poată
identifica corect boala.

Chiar cu mii de exemple, pot fi probleme
la predicțiile computerelor.

Dacă datele RX pot fi adunate doar de la
bărbați, atunci predicțiile sunt pentru ei

S-ar putea să nu recunoască boli când i se
cere să diagnosticheze RX ale unei femei.

Această lacună a datelor de instruire
creează ceea ce se numește părtinire.

Datele părtinitoare sunt favorabile unor
lucruri și le exclud pe altele.

În funcție de cum sunt colectate datele,
cine face colectarea și cum sunt furnizate

datele, există șansa ca părtinirea umană
să fie inclusă în date.

Învățând din datele părtinitoare, un
computer poate face predicții părtinitoare

dacă cei care au instruit computerul sunt
conștienți de asta sau nu.

Când te uiți la datele de instruire,
pune-ți două întrebări:

Sunt aceste date suficiente să instruiască
un computer?

Și, reprezintă datele toate scenariile și
utilizatorii fără părtinire?

Aici tu, instructorul uman, joci un
rol crucial.

Depinde de tine să dai mașinii
date nepărtinitoare.

Asta înseamnă să colectezi tone de exemple
din tone de surse.

Nu uita, când culegi și alegi date pentru
învățarea automată, de fapt

programezi algoritmul, folosind datele de
instruire în locul codului.

Datele SUNT codul.

Cu cât furnizezi date mai bune,
cu atât mai bine le va învăța computerul.