ข้อจำกัดของ machine learning

Understanding Machine Learning

Sara Billen

Curriculum Manager, DataCamp

คุณภาพของข้อมูล

ขยะเข้า ขยะออก

  • ขยะเข้า ขยะออก
  • คุณภาพของผลลัพธ์ขึ้นอยู่กับคุณภาพของข้อมูลนำเข้า
Understanding Machine Learning

เมื่อสิ่งต่างๆ ผิดพลาดอย่างร้ายแรง

เครื่องมือคัดเลือกบุคลากรที่มีอคติทางเพศของ Amazon

หุ่นยนต์ส่องแว่นขยายดูผู้คน

  • ซอฟต์แวร์คัดกรองเรซูเม่อัตโนมัติ
  • เลือกผู้ชายเพราะเรียนรู้จากข้อมูลในอดีตที่มีการจ้างผู้ชายมากกว่า
  • ลดคะแนนเรซูเม่ที่
    • มีคำว่า "women"
    • บ่งชี้ว่าผู้สมัครเป็นผู้หญิง
Understanding Machine Learning

เมื่อสิ่งต่างๆ ผิดพลาดอย่างร้ายแรง

แชตบอต AI ของ Microsoft

บัญชี Twitter ของ Tay

ตัวอย่างทวีตของ Tay

Understanding Machine Learning

ระวัง

ป้ายเตือนระวัง

  • อย่าเชื่อโมเดลโดยไม่ตั้งคำถาม
  • ความตระหนักรู้คือสิ่งสำคัญ
  • ให้ความสนใจกับข้อมูลของคุณ

$$

โมเดล machine learning ดีแค่ไหน ขึ้นอยู่กับข้อมูลที่ให้มัน

Understanding Machine Learning

การประกันคุณภาพ

  • ข้อมูลคุณภาพสูงต้องการ:
    • การวิเคราะห์ข้อมูล
    • การตรวจสอบค่าผิดปกติ
    • ความเชี่ยวชาญในโดเมน
    • การบันทึกเอกสาร

แว่นขยายส่องดูข้อมูล

Understanding Machine Learning

การอธิบายได้

Understanding Machine Learning

การอธิบายได้

  • ความโปร่งใสช่วยเพิ่มความเชื่อมั่น ความชัดเจน และความเข้าใจ
  • กรณีใช้งาน: การนำไปใช้ในธุรกิจ การกำกับดูแล การลดอคติ
Understanding Machine Learning

Explainable AI

กล่องดำ

  • Deep learning
  • เหมาะกับคำถาม "อะไร?"
  • การพยากรณ์แม่นยำสูง

Explainable AI

  • Machine learning แบบดั้งเดิม
  • เหมาะกับคำถาม "ทำไม?"
  • มนุษย์เข้าใจได้
Understanding Machine Learning

ตัวอย่าง: Explainable AI

insurance-customer-churn-analytics.jpg

  1. การพยากรณ์: ผู้ป่วยจะเป็นโรคเบาหวานหรือไม่?
  2. การอนุมาน: เหตุใดจึงเกิดขึ้น
Understanding Machine Learning

ตัวอย่าง: AI ที่อธิบายไม่ได้

Handwriting.jpg

การพยากรณ์เท่านั้น: ตัวอักษรนี้น่าจะเป็นตัวไหน?

Understanding Machine Learning

มาฝึกกันเถอะ!

Understanding Machine Learning

Preparing Video For Download...