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

Ang machine learning ay kasing husay lamang sa datos
ng pagsasanay na inilalagay mo rito.

Kaya, napakahalaga na gamitin ang de kalidad na datos, at marami rito.

Ngunit kung mahalaga ang datos, nararapat magtanong kung saan nagmumula ang datos ng pagsasanay?

Madalas, kinokolekta ng mga computer ang datos sa pagsasanay mula sa mga taong tulad mo at tulad ko,

nang walang anumang pagsisikap sa parte natin.

Maaaring masusubaybayan ng isang video streaming service kung ano ang pinapanood mo, pagkatapos makikila nito ang mga pattern

sa datos na iyon na maaaring gusto mong panoorin sa susunod.

Sa ibang mga pagkakataon,  direkta kang hinihingan ng tulong tulad ng kapag ang isang website ay pinapadetek sa iyo ang mga palatandaan ng kalye at mga litrato,
 Nagbibigay ka ng datos ng pagsasanay para makatulong sa

machine na matutong tumingin, at maaaring isang araw ay magmaneho pa.

Maaaring gamitin ng mga
medikal na mananaliksik ang mga medikal na imahe tulad ng pagsasanay sa datos para turuan ang mga

computer kung paano tukuyin at i-diagnose ang mga sakit.

Nangangailangan ang Machine Learning ng daan-daan at libo-libong mga imahe, at direksyon ng pagsasanay mula sa isang doktor,

na nakakaalam kung ano ang titingnan, bago wastong matukoy nito ang sakit.

Kahit na sa libo-libong mga sampol, maaaring may mga problema sa mga hula ng computer.

Kung ang datos ng X-ray ay kokolektahin lamang para sa mga lalaki, ang mga hula ng computer ay maaaring gagana lamang para sa mga lalaki.

Maaaring hindi nito makilala ang mga
sakit kapag pinapag-diagnose ng X-ray ng isang babae.

Ang blind spot na ito sa datos
ng pagsasanay ay lumilikha ng isang bagay na tinatawag na bias o pagkiling.

Ang biased na datos ay pumapabor sa ilang bagay, at hindi nagbibigay-prayoridad o hindi isinasali ang iba.

Depende kung paano kinokolekta ang datos sa pagsasanay, at paano pini-fed ang datos,

may pagkakataon na nasasali sa
datos ang pagkiling ng tao.

Sa pamamagitan ng pagkatuto sa may-kinikilingang datos, maaaring gagawa ang computer ng may-pagkiling na
mga hula, alam man o hindi

ng mga taong nagsanay sa computer.

Kapag tinitingnan mo ang datos ng pagsasanay, itanong sa sarili ang dalawang tanong:

Ito ba ay sapat na datos para wastong masanay ang isang computer?

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

Dito kung saan ikaw, bilang tao na nagsanay, ay gumaganap ng mahalagang papel.

Nasa sa iyo kung bibigyan mo ng walang kinikilingang datos ang iyong machine.

Nangangahulugan ito na pagkolekta ng tone-toneladang mga halimbawa, mula sa maraming mapagkukunan ng impormasyon .

Tandaan, kapag kumuha at pumili ka ng datos para sa machine learning,

aktwal ka na nagpo-program ng algorithm, gamit ang datos ng pagsasanay sa halip na code.

Ang datos AY ang code.

Mas mahusay ang datos na ibibigay mo, mas mahusay na matuto ang computer.