Виявлення упереджень у ШІ за домопогою статистичного навчання
Анотація
Штучний інтелект (ШІ) дедалі більше стає невід’ємною частиною процесів прийняття рішень у різних галузях – від повсякденних потреб, робочих питань до надважливих для держави сфер. Однак зі зростанням популярності систем штучного інтелекту пропорційно зростає занепокоєння щодо помилок і упереджень, які можуть виникнути під час роботи. Вони можуть виникати на різних етапах конвеєра машинного навчання, включно зі збором даних, попередньою обробкою, вибором функцій, навчанням моделі та розгортанням. Виявлення та пом’якшення цих упереджень має вирішальне значення для забезпечення справедливості, підзвітності та прозорості.
Посилання
Responsible AI Development: Bias Detection and Mitigation Strategies. Agiliway. URL: http://surl.li/lsvpjm (дата звернення 29.11.2024).
Fairness Metrics In Machine Learning. Aporia. URL: http://surl.li/ygmtib (дата звернення 30.11.2024).
Machine Learning Yearning. Andrew Ng. 2019. 118 p. (дата звернення 30.11.2024).
Interpretable Machine Learning: A Guide For Making Black Box Models Explainable. Christoph Molnar. 2022. 328 р. (дата звернення 30.11.2024).