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

機器學習的表現很依賴你所輸入的訓練資料（的品質）

因此，使用巨量且高品質的資料，非常非常重要！

既然，資料如此重要，就十分值得問清楚：訓練資料是從哪裡來的呢？

一般來說，電腦會從你和我這樣的普通人，來搜集訓練資料

我們不需要做額外的事情。

影片串流服務可能會持續追蹤你觀看的影片，

然後就能在資料中識別出模式，
並向你推薦可能會想觀看的下一部影片

其他情況下，則會直接請你提供協助

例如，網站會要請你標記出街道號誌和照片

你就是正在幫電腦提供訓練資料
幫助它學會看路，甚至學會駕駛車輛

醫學研究人員可以使用醫學圖片作為訓練資料

來教會電腦如何識別並診斷疾病

機器學習需要成千上萬張圖片，以及來自於醫生的訓練指導

先知道要查看什麼，才能正確地診斷疾病

即便有很大量的範例，電腦的預測仍有可能出錯

如果僅收集男性患者的X光圖片，
預測的結果僅可能適用於男性

當需要對女性X光圖片做判讀時，
電腦可能就無法對疾病進行診斷。

這種訓練資料中的盲點，就會造成所謂的偏差（bias）

帶有偏差的資料，會偏向某些狀況，而降低或排除了其他狀況。

像是：訓練資料的收集方式、執行的人員、以及資料的輸入方式

人爲偏見難免會隱含於資料當中

從帶有偏誤的資料進行學習，電腦可能會做出帶有偏誤的預測

無論訓練電腦的人員，是否察覺到這一點

因此，當你查看訓練資料時，問自己兩個問題：

資料量是否充足到能夠正確地訓練電腦？

以及，這些資料是否沒有偏誤，足以代表了所有可能發生的情況與使用者？

這就是身為訓練師的你，扮演關鍵角色的地方

為電腦提供沒有偏誤的資料，將取決於你的決定

這表示要從許多各式各樣的來源，搜集大量的範例

記得，當你替機器學習搜集與選擇訓練資料時

實際上，你正在對演算法進行編寫與設計，使用的是訓練資料而不是程式碼

「資料就等同於程式碼」

你提供的資料品質越好，電腦的學習效果就越好