AI: Training Data & Bias
-
0:07 - 0:12การเรียนรู้ของระบบจะมีประสิทธิภาพหรือไม่ให้ดูที่ข้อมูลที่คุณป้อนลงไปเพื่อฝึกฝนค่ะ
-
0:12 - 0:16ดังนั้น
สิ่งที่สำคัญคือใช้ข้อมูลคุณภาพสูงให้ได้มากที่สุด -
0:17 - 0:22แต่ถ้าข้อมูลเป็นเรื่องที่สำคัญ
เราก็ควรสอบถามที่มาที่ไปของข้อมูลที่ใช้ฝึกด้วยนะคะ -
0:22 - 0:26คอมพิวเตอร์มักรวบรวมข้อมูลที่ใช้ฝึกจากคนอื่นๆ
เช่นคุณและฉัน -
0:26 - 0:28โดยเราไม่ต้องพยายามทำอะไรเลย
-
0:28 - 0:31บริการวิดีโอสตรีมมิงจะติดตามสิ่งที่คุณดู
ก่อนจดจำรูปแบบ -
0:32 - 0:36ในข้อมูลนั้น แล้วแนะนำสิ่งที่คุณอาจอยากดูในอนาคต
-
0:37 - 0:43หรือไม่คุณก็อาจต้องให้ความช่วยเหลือ
เหมือนตอนที่เว็บไซต์ุขอให้คุณระบุป้ายสัญญาณและรูปถ่ายของถนน -
0:44 - 0:49คุณมีข้อมูลที่ใช้ฝึกเพื่อช่วยให้การเรียนรู้ของระบบมองเห็น
หรือแม้กระทั่งขับรถได้ -
0:52 - 0:56นักวิจัยทางการแพทย์ใช้ภาพของยาเป็นข้อมูลในการฝึกเพื่อสอน
-
0:57 - 1:00ให้คอมพิวเตอร์จดจำและวินิจฉัยโรค
-
1:00 - 1:06การเรียนรู้ของระบบต้องใช้ภาพเป็นร้อยเป็นพันภาพ
และคำแนะนำจากแพทย์ -
1:06 - 1:10ที่รู้ว่าเราต้องมองหาอะไร
ก่อนทำการวินิจฉัยได้อย่างถูกต้อง -
1:11 - 1:16แต่ถึงจะมีตัวอย่างเป็นพันๆ ตัวอย่าง
คอมพิวเตอร์ก็ยังมีปัญหาในเรื่องการคาดการณ์ -
1:16 - 1:21ถ้ารวบรวมข้อมูลเอ็กซ์เรย์จากแค่เพศชายอย่างเดียว
การคาดการณ์ของคอมพิวเตอร์อาจใช้ได้กับผู้ชายเท่านั้น -
1:22 - 1:26แต่อาจไม่จดจำโรคเมื่อขอให้วินิจฉัยฟิล์มเอ็กซ์เรย์ของผู้หญิง
-
1:27 - 1:31จุดบอดนี้ที่ได้จากข้อมูลการฝึกฝนทำให้เกิดอคติได้
-
1:31 - 1:36ข้อมูลที่เอนเอียงเช่นนี้จะชื่นชอบเรื่องหนึ่ง
และลดทอนความสำคัญหรือมองข้ามเรื่องอื่น -
1:37 - 1:42ทั้งวิธีการรวบรวมข้อมูลเพื่อฝึกหัด
ผู้ที่รวบรวมข้อมูลและวิธีใช้ข้อมูล -
1:42 - 1:45ทำให้มีโอกาสที่ข้อมูลเหล่านั้นจะมีอคติรวมอยู่ด้วย
-
1:46 - 1:51เมื่อเรียนรู้จากข้อมูลที่มีอคติ
คอมพิวเตอร์ก็อาจมีอคติในการคาดการณ์ไปด้วย -
1:51 - 1:54ไม่ว่าผู้ที่ฝึกสอนคอมพิวเตอร์จะทราบหรือไม่ก็ตาม
-
1:55 - 1:58เมื่อคุณพิจารณาข้อมูลที่ใช้ฝึก
แนะนำให้ถามคำถามสองข้อต่อไปนี้กับตัวเอง -
1:59 - 2:02มีข้อมูลมากพอที่จะใช้ฝึกคอมพิวเตอร์ได้อย่างถูกต้องรึเปล่า
-
2:02 - 2:07และข้อมูลนี้แทนสถานการณ์จำลองและผู้ใช้โดยไม่มีอคติรึเปล่า
-
2:07 - 2:11ตรงนี้คือจุดที่คุณในฐานะผู้ฝึกสอนจะมีบทบาทสำคัญ
-
2:11 - 2:14คุณเองเป็นคนเลือกว่าจะป้อนข้อมูลที่ไม่มีอคติให้กับคอมพิวเตอร์
-
2:14 - 2:18ซึ่งก็คือการรวบรวมตัวอย่างจำนวนมากจากหลายๆ แหล่ง
-
2:19 - 2:23โปรดจำไว้ว่า
เมื่อคุณคัดสรรและเลือกข้อมูลให้การเรียนรู้ของระบบ -
2:23 - 2:27คุณกำลังใช้ข้อมูลการฝึกฝน ไม่ใช่โค้ด
เพื่อตั้งโปรแกรมอัลกอริธึม -
2:27 - 2:30และข้อมูลนั่นก็คือโค้ด
-
2:30 - 2:35คุณป้อนข้อมูลดีเท่าไร
คอมพิวเตอร์ก็จะเรียนรู้ได้ดีขึ้นเท่านั้น
- 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 Thai subtitles for AI: Training Data & Bias | |
|
|
TranslateByHumans edited Thai subtitles for AI: Training Data & Bias | |
|
|
TranslateByHumans edited Thai subtitles for AI: Training Data & Bias |