Šališkumo sprendimas

Kategorija: Dirbtinis intelektas Paskelbta vasario 05 d

Įkryptis į AI kaip rūdys yra į plieną. Tai gadina sprendimus, todėl nesame tikri dėl mūsų sistemų vientisumo. Šie paslėpti išankstiniai nusistatymai, slypintys duomenyse ir algoritmuose, iškreipia dirbtinį intelektą netikėtomis ir nepageidaujamomis kryptimis. Kitą mėnesį San Franciske, EmTechDigital tiria praktinius metodus, kaip pašalinti algoritmų ir duomenų šališkumą.

Etiško dirbtinio intelekto kūrimas yra nepaprastai sudėtinga užduotis, nes šališkumas yra žiūrinčiojo akyse. Ar dirbtiniu intelektu pagrįsta priėmimo į kolegijas sistema, kurioje atsižvelgiama į lytį ir geografiją, siekiant subalansuoti priimtų kandidatų skaičių, yra daugiau ar mažiau šališka nei ta, kuri to nedaro? Nors tikriausiai galime sutikti, kad subalansuota sistema yra geresnė, kas turi teisę priimti šiuos sprendimus

Dirbtinis intelektas mums suteikė algoritmus, galinčius atpažinti veidus, diagnozuoti ligas ir, žinoma, sutriuškinti kompiuterinius žaidimus. Tačiau net patys protingiausi algoritmai kartais gali elgtis netikėtai ir nepageidaujamai. Kaip galime užkirsti kelią neįprastam elgesiui mašininio mokymosi srityje, kai technologija perkeliama iš tyrimų laboratorijų į realų pasaulį?

Kitą mėnesį prisijunkite prie mūsų, kad išnagrinėtumėte šias ir daugiau „EmTech Digital“ temas.

Įsigykite bilietą dabar.