AI: Training Data & Bias

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

Maskininlärning blir bara så bra som de
träningsdata du matar in.

Därför är det jätteviktigt att använda data av hög kvalitet, och många datauppgifter.

Men om data är så viktiga är det också intressant att fråga sig varifrån träningsdata kommer?

Datorer samlar ofta in träningsdata från människor som dig och mig,

utan att vi behöver göra något alls.

En streamingtjänst för videor kanske kontrollerar vad du tittar på för att kunna känna igen mönster

i datauppgifterna och rekommendera dig vad du ska titta på nästa gång.

Andra gånger tillfrågas du direkt om du vill hjälpa till, som när en webbplats ber dig att markera gatuskyltar och foton,

Du tillhandahåller träningsdata som hjälper en
maskin att se, och kanske till och med köra bil i framtiden.

Forskare inom medicin kan använda
medicinska bilder som träningsdata för att lära

datorer att känna igen och diagnostisera sjukdomar.

Maskininlärning behöver hundratals, till och med tusentals, bilder och träning av en läkare

som vet vad man ska leta efter, innan den kan identifiera en sjukdom korrekt.

Även med tillgång till tusentals exempel kan det vara problem med datorns prognoser.

Om röntgenuppgifter bara samlas in från män så kanske datorns prognoser bara fungerar för män.

Den kanske inte känner igen sjukdomar när
den ombeds diagnostisera en röntgenbild av en kvinna.

Den här bristen i träningsdata
skapar något som kallas bias (systematiska fel).

Bias favoriserar vissa saker och nedprioriterar eller exkluderar andra.

Beroende på hur träningsdata samlas in, vem som samlar in den och hur uppgifterna matas in

finns det någon risk att
människors bias inkluderas i datauppgifterna.

Genom att lära sig från data med bias kan datorn komma att göra missvisande prognoser,

vare sig de som tränar datorn
är medvetna om det eller inte.

När du tittar på träningsdata, ska du ställa dig två frågor:

Är dessa uppgifter tillräckliga för att kunna träna en dator noggrant?

Och representerar uppgifterna alla möjliga scenarier och användare, utan bias?

Det är här som du, den mänskliga läraren, spelar en avgörande roll.

Det är upp till dig att ge din maskin data som inte är missvisande.

Detta innebär att samla in mängder av exempel, från flera olika källor.

Kom ihåg att när du väljer och vrakar bland data för maskininlärning

så programmerar du i själva verket algoritmen, med träningsdata istället för kod.

Datauppgifterna ÄR koden.

Ju bättre data du tillhandahåller, desto bättre kommer datorn att lära sig.