Публикации по теме 'fairness-and-bias'
Токсичность при создании текста AI
Токсичность при создании текста AI
Почему языковые модели генерируют токсичные результаты и что с этим можно сделать
Недавно я реализовал небольшой проект НЛП, в котором я задал двум чат-ботам с открытым доменом 36 вопросов, чтобы влюбиться . То, что начиналось как развлечение, привлекло мое внимание к проблеме токсичности при создании текста ИИ . Сначала я задал языковой модели (LM) GPT-2 36 вопросов. Но я был шокирован некоторыми ответами модели, которые содержали ненавистные и..
Этика ИИ — Справедливость в методах ИИ/МО
Эта статья служит моими личными заметками из курса AI Ethics в Gatech.
Введение
Этот модуль углубит понимание моделей, развернутых в алгоритмах, которые используются в приложениях, и понимание с акцентом на установление добросовестной практики.
В этой статье будут рассмотрены три реальных приложения ИИ:
Распознавание лиц Обработка естественного языка — встраивание слов Прогнозное моделирование
при этом помня о социальном и правовом контексте, в котором они действуют.
Для..
Предвзятость и справедливость в машинном обучении и наборе и развитии персонала
Изначально я считал, что алгоритмы, обученные должным образом, будут принимать лучшие и беспристрастные решения, чем человек. На этой неделе мне поручили провести два исследовательских опроса, которые открыли мне глаза на проблему предвзятости и справедливости в машинном обучении.
Первая статья, которую я буду обсуждать в этой записи блога, «Опрос предвзятости и справедливости в машинном обучении Нинаре Мехраби, Фреда Морстаттера, Нрипсуты Саксены, Кристины Лерман и Арама Галстяна,..
Предвзятость/данные/риск ИИ: вдумчивые идеи (осторожно: иногда нелогичное!)
Три дня дискуссий о риске и предвзятости ИИ! 13 панелей, ~50 спикеров, более 2000 регистрантов в slack-канале! Обсуждения были вдумчивыми, проницательными, глубокими, а также увлекательными!
Участники дискуссии обладают глубокими знаниями, модераторы подготовились, а слабый канал был оживленным — тяжелая работа и вдумчивость, которые были вложены в семинар, очевидны и оценены.
После просмотра видео и записи заметок (~ 22 страницы!), а также прочтения документов (RMF и 1270), я думаю,..
Новые материалы
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..
ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..