budowanie etycznych systemów sztucznej inteligencji

Podstawowy pomysł

Nauczanie głębokiego uczenia się opiera na reprezentowaniu danych w warstwowych przestrzeniach cech.

To pozwala systemowi na nauczenie się skomplikowanych wzorców i relacji zawartych w danych.

Przegląd literatury systematycznej (500 słów): Komprehenzywna analiza akt

Odwiedzenia ekspertów (650 słów): Zaproponowaliśmy semi-strukturalizowane rozmowy z 12 liderami w różnych dziedzinach – naukowcami AI specjalizującymi się w etyce, inżynierami oprogramowania budującymi odpowiedzialne narzędzia AI, prawnikami doradczymi w zakresie regulacji AI oraz etykietami skupiającymi się na społecznym wpływie technologii. Te osoby dostarczyły kluczowe wskazówki dotyczące praktycznych wyzwań, rozwijających się najlepszych praktyk i zmieniającego się krajobraz regulacyjnego dotyczącego etycznego rozwoju AI.

Pytania zadać podczas rozmów skupiały się na: Obecne podejścia do wykrywania i zniesienia niezawodności w różnych modelach AI (uczenie głębokie, uczenie przez odwagi, itp).

Przykłady zastosowań: Etyczna AI w praktyce

Pomyślna implementacja - Indywidualne Indeksy Sprawiedliwości Google (250 słów)

Google proaktywnie wprowadziło "Indeksy Sprawiedliwości" do swoich produktów opartych na AI, w szczególności narzędzia tłumaczenia. Te indeksy dostarczają w czasie rzeczywistym informacje o potencjalnych białeczkach związanej z płecią lub emocjonalnym tonem w tłumaczonych tekstach, co pozwala zespołowi na wykrywanie i rozwiązywanie tych problemów podczas faz deelopmentu. To pokazuje obietnicę przeopenairowania się i ciągłego nadzoru – kluczowych elementów odpowiedzialnej technologii.

Często zadawane pytania