Giới hạn của học máy

Tìm hiểu Machine Learning

Sara Billen

Curriculum Manager, DataCamp

Chất lượng dữ liệu

• Rác vào rác ra
• Chất lượng đầu ra phụ thuộc chất lượng đầu vào

Khi mọi thứ trở nên tệ hại

Công cụ tuyển dụng thiên lệch giới tính của Amazon

• Phần mềm tuyển dụng hỗ trợ rà soát hồ sơ
• Ưu tiên nam vì học từ dữ liệu lịch sử khi nam được tuyển nhiều hơn
• Hạ điểm hồ sơ
  • có từ "women"
  • hàm ý ứng viên là nữ

Khi mọi thứ trở nên tệ hại

Chatbot AI của Microsoft

Cẩn trọng

• Đừng mù quáng tin mô hình
• Nhận thức là then chốt
• Chú ý dữ liệu của bạn

$$

Mô hình học máy chỉ tốt như dữ liệu bạn cung cấp

Đảm bảo chất lượng

• Dữ liệu chất lượng cao cần:
  • Phân tích dữ liệu
  • Rà soát ngoại lệ
  • Chuyên môn lĩnh vực
  • Tài liệu hóa

Khả năng giải thích

Khả năng giải thích

• Minh bạch để tăng niềm tin, rõ ràng, và hiểu biết
• Trường hợp dùng: chấp nhận của doanh nghiệp, giám sát quy định, giảm thiên lệch

AI có thể giải thích

Hộp đen

• Học sâu
• Tốt hơn cho "Cái gì?"
• Dự đoán rất chính xác

AI có thể giải thích

• Học máy truyền thống
• Tốt hơn cho "Vì sao?"
• Con người hiểu được

Ví dụ: AI có thể giải thích

1. Dự đoán: Bệnh nhân có mắc tiểu đường không?
2. Suy luận: Vì sao điều này xảy ra

Ví dụ: AI khó giải thích

Chỉ dự đoán: Đây có khả năng là chữ cái nào?

Ayo berlatih!

Tìm hiểu Machine Learning