Sorumlu yapay zekânın zorlukları

Sorumlu AI Veri Yönetimi

Maria Prokofieva

Lead ML Engineer

Gerçek dünyada sorumlu veri yönetimi uygulamaları

 

  • Karmaşık

 

  • Ödünler içerir

 

  • Uzman kanaati gerekir

Sorumlu YZ: mavi daire içinde YZ çipi illüstrasyonu tutan el

Sorumlu AI Veri Yönetimi

Yaygın ödünler

 

Ödünler

Sorumlu YZ boyutları

Sorumlu AI Veri Yönetimi

 

İş etmenleri

 

  • Adalet ve gizlilik yerine kâr

  • Test ve güvenlik yerine gelir

Sorumlu AI Veri Yönetimi

Önceden eğitilmiş modeller

  • Maliyetleri düşürür

  • Zaman ve kaynak tasarrufu sağlar

  • Veri toplama ve eğitime gerek yok

  • Önyargılı eğitim verisi olabilir

  • Şeffaflık eksikliği

önceden eğitilmiş modeller

Sorumlu AI Veri Yönetimi

Önceden eğitilmiş modellerin kullanımı

  • Model kaynağı için gerekli özen
  • İyi itibar
  • Güvenilirlik
  • Model belgelerini inceleyin
  • Adalet ve önyargı için ek testler
Sorumlu AI Veri Yönetimi

 

Metrik dengesi

 

  • Doğruluk, adaletin önünde
  • Dengeli veri kümelerinde bile
Sorumlu AI Veri Yönetimi

Doğruluk ödünleri

  • Belirli gruplar için daha düşük doğruluk
  • Az temsil edilen grupların veri kalitesi/miktarı hesaba katılmaz
  • Mahremiyet doğruluğu düşürür

Yüz tanıma

Sorumlu AI Veri Yönetimi

Sağlamlık ödünleri

Metrik dengesi

 

  • Sağlamlık ve önyargı dengesi

  • Sağlamlık ve adalet dengesi

Sorumlu AI Veri Yönetimi

Mesleki davranış ve özen yükümlülükleri

  • Etik ve davranış kuralları

  • Ülke ve kuruma göre rehberlik değişir

  • Sorumluluk, zarar vermeme, adalet

  • Kullanıcı gizliliği ve mahremiyet
  • Topluma olumlu etki
  • Yüksek standartları koruyun
  • Sağlam ve güvenli sistemler geliştirin
  • Kapsayıcı ve ayrımcı olmayan

 

ACM

1 https://www.acm.org/code-of-ethics
Sorumlu AI Veri Yönetimi

Haydi pratik yapalım!

Sorumlu AI Veri Yönetimi

Preparing Video For Download...