AI: Training Data & Bias

Ang machine learning ay kasing husay din
lang ng training data na inilalagay mo dito.

Kaya't lubhang napakahalaga na gumamit ng
mataas na kalidad na data, at maraming-marami nito.

Ngunit kung ang data ay mahalaga, may saysay
na magtanong kung saan nanggagaling ang training data?

Kadalasan, ang mga kompyuter ay kumokolekta ng
training data mula sa mga taong tulad mo at tulad ko,

nang walang anumang hirap sa bahagi natin.

Ang isang serbisyo sa video streaming ay maaaring masubaybayan
kung ano ang pinanonood mo, pagkatapos ay nakikilala nito ang mga pattern

sa data na yon para irekomenda kung sakaling ano
ang gusto mong panoorin sa susunod.

Sa ibang pagkakataon, direkta kang sinasabihan na tumulong, tulad kapag
ang isang website ay sinabihan kang maghanap ng mga karatula at larawan ng kalye.

Nagkakaloob ka ng training data upang tulungan ang isang makinarya
na matutong makita, at siguro ay mag-drive isang araw.

Ang mga medikal na mananaliksik ay makakagamit ng mga
medikal na imahe bilang training data upang turuan

ang mga kompyuter na makilala at ma-diagnose ang mga sakit.

Ang machine learning ay nangangailangan ng libo-libong
imahe, at training direction mula sa isang doktor

na alam kung ano ang hahanapin, bago nito
tukuyin nang tama ang sakit.

Kahit na may libong mga halimbawa, maaaring
may problema sa mga prediksyon ng kompyuter.

Kung ang x-ray data ay kinokolekta lamang mula sa mga lalake,sa gayon
ang mga prediksyon ng kompyuter at maaaring para sa mga lalake lamang.

Hindi nito maaaaring makilala ang mga sakit kapag
sinabihang i-diagnose ang x-ray ng isang babae.

Ang blind spot na ito sa training data ay lumilikha
ng isang bagay na tinatawag na pagkiling o bias

Ang may kinikilingang data ay pumapabor sa ilang mga bagay,
at hindi binibigyang prayoridad o isinasantabi ang iba pa.

Depende sa kung paano kinokolekta ang training data, kung
sino ang nangongolekta, at kung paano isinusubo ang data,

may tiyansa na ang pagkiling sa tao
ay kasama sa data.

Sa pag-aaral mula sa bias data, ang kompyuter
ay maaaring gumawa ng may kinikilingang prediksyon,

anuman kung nalalaman o hindi ng mga taong
nagte-train sa kompyuter.

Kapag ikaw ay tumitingin sa training data, tanungin
ang sarili mo ng dalawang katanungan:

Sapat ba ang data na ito para tumpak na i-train ang isang kompyuter?

At ang data bang ito ay kumakatawan sa lahat ng posibleng
mga senaryo at user nang walang pagkiling?

ito yong kung saan, bilang ang human training,
ay gumaganap ng mahalagang papel.

Nasasaiyo na yan para bigyan ang iyong makinarya
ng walang kinikilingang data.

Nangangahulugan yan ng pagkolekta ng tone-toneladang halimbawa,
mula sa napakaraming mapagkukunan.

Tandaan, kapag ikaw ay kumukuha at namimili ng data
para sa machine learning,

aktwal mong pinoprograma ang algoritmo, gamit ang
training data sa halip na code.

Ang data AY ang code.

Ang mas mahusay na data na iyong ibinibigay,
mas maganda ang matututunan ng kompyuter.