Thách thức của AI có trách nhiệm

Quản lý Dữ liệu AI Có Trách Nhiệm

Maria Prokofieva

Lead ML Engineer

Thực hành quản lý dữ liệu có trách nhiệm trong thực tế

Phức tạp

Có các đánh đổi

Cần phán đoán chuyên môn

AI có trách nhiệm: vòng tròn xanh với bàn tay cầm vi mạch AI minh họa

Các đánh đổi phổ biến

Đánh đổi

Các chiều của AI có trách nhiệm

Yếu tố kinh doanh

Lợi nhuận hơn công bằng và riêng tư
Doanh thu hơn kiểm thử và bảo mật

Mô hình tiền huấn luyện

Giảm chi phí
Tiết kiệm thời gian và nguồn lực
Không cần thu thập và huấn luyện dữ liệu
Có thể dùng dữ liệu huấn luyện thiên lệch
Thiếu minh bạch

mô hình tiền huấn luyện

Dùng mô hình tiền huấn luyện

Thẩm định nguồn mô hình
Danh tiếng tốt
Độ tin cậy
Xem tài liệu mô hình
Kiểm thử bổ sung về công bằng và thiên lệch

Đánh đổi giữa các chỉ số

Ưu tiên độ chính xác hơn công bằng
Ngay cả với tập dữ liệu cân bằng

Đánh đổi về độ chính xác

Độ chính xác thấp hơn cho một số nhóm
Không xét chất lượng/số lượng dữ liệu của nhóm thiểu số
Bảo mật riêng tư làm giảm độ chính xác

Nhận diện khuôn mặt

Đánh đổi về độ vững

Đánh đổi giữa các chỉ số

Độ vững so với thiên lệch
Độ vững so với công bằng

Ứng xử nghề nghiệp và nghĩa vụ chăm sóc

Bộ quy tắc đạo đức và ứng xử
Hướng dẫn khác nhau theo quốc gia và tổ chức
Trách nhiệm, không gây hại, công bằng
Quyền riêng tư và bảo mật người dùng
Tác động tích cực đến xã hội
Duy trì tiêu chuẩn cao
Phát triển hệ thống vững và an toàn
Bao trùm và không phân biệt đối xử

ACM

¹ https://www.acm.org/code-of-ethics

Ayo berlatih!

Quản lý Dữ liệu AI Có Trách Nhiệm

Preparing Video For Download...