مساعدة في حماية الحاجز المرجاني العظيم مع TensorFlow على Kaggle تاريخ التحدي

دليل منظمة العفو الدولية المسؤولة TensorFlow

مقدمة

في عام 2018، قدم جوجل في مبادئ منظمة العفو الدولية ، التي توجيه التنمية الأخلاقية واستخدام AI في مجال البحث ومنتجاتنا. تماشياً مع هذه المبادئ ، يعمل فريق TensorFlow على تزويد المطورين بالأدوات والتقنيات للالتزام بممارسات الذكاء الاصطناعي المسؤول (RAI).

في هذا الدليل ، ستجد إرشادات حول كيفية تطبيق الأدوات في مجموعة أدوات الذكاء الاصطناعي المسؤولة لتطوير سير عمل متماسك يخدم حالة الاستخدام الخاصة بك واحتياجات المنتج. وتشمل الأدوات في هذا الدليل تلك التي يمكن تطبيقها في مجالات مثل النزاهة والشفافية. هذا هو منطقة نشطة للتنمية في جوجل، ويمكنك أن تتوقع هذا الدليل لتشمل التوجيه للمناطق إضافية ذات صلة، مثل الخصوصية، explainability، ومتانة.

منظمة الدليل

توثيق وإرشادات API

لكل أداة ، سنقدم إرشادات حول ما تفعله الأداة ، والمكان الذي قد يناسبها في سير العمل الخاص بك ، واعتبارات الاستخدام المختلفة الخاصة بها. حيثما أمكن ، سنقوم بتضمين صفحة "التثبيت" في علامة التبويب "الدليل" لكل أداة ، ووثائق واجهة برمجة التطبيقات التفصيلية في علامة التبويب "API". بالنسبة لبعض الأدوات ، سنضمّن أيضًا أدلة فنية توضح المفاهيم التي قد يجدها المستخدمون تحدي عند تطبيقها.

دروس

كلما كان ذلك ممكنًا ، سنوفر دروسًا تعليمية للكمبيوتر الدفتري توضح كيفية تطبيق الأدوات الموجودة في مجموعة أدوات RAI. هذه أمثلة على لعبة تم اختيارها لإلقاء الضوء على أداة معينة. إذا كان لديك أسئلة حول هذه، أو إذا كان هناك حالات الاستخدام الإضافية التي ترغب في رؤية استكشافها في الدروس ، يرجى التواصل معنا على tf-responsible-ai@google.com .

اعتبارات إضافية

يتطلب تصميم سير عمل مسؤول للذكاء الاصطناعي نهجًا مدروسًا في كل مرحلة من مراحل دورة حياة التعلم الآلي ، من صياغة المشكلة إلى النشر والمراقبة. بالإضافة إلى تفاصيل التنفيذ الفني الخاص بك ، سوف تحتاج إلى اتخاذ مجموعة متنوعة من القرارات الاجتماعية التقنية من أجل تطبيق هذه الأدوات. تتضمن بعض اعتبارات اليود المشع الشائعة التي يحتاج ممارسو ML إلى القيام بها ما يلي:

  • عبر أي فئات ديموغرافية أحتاج للتأكد من أن نموذجي يعمل بشكل جيد؟
  • إذا كان لا بد لي من تخزين الملصقات الحساسة من أجل إجراء تقييم الإنصاف ، فكيف يجب أن أفكر في المفاضلة بين الإنصاف والخصوصية؟
  • ما المقاييس أو التعريفات التي يجب أن أستخدمها لتقييم الإنصاف؟
  • ما المعلومات التي يجب أن أدرجها في نموذجي وعناصر شفافية البيانات؟

تعتمد الإجابات على هذه الأسئلة والعديد من الأسئلة الأخرى على حالة الاستخدام المحددة واحتياجات المنتج. على هذا النحو ، لا يمكننا إخبارك بالضبط بما يجب القيام به ، ولكننا سنقدم إرشادات لاتخاذ قرارات مسؤولة ، مع نصائح وروابط مفيدة لأساليب البحث ذات الصلة كلما أمكن ذلك. كما يمكنك تطوير سير العمل AI مسؤولة مع TensorFlow، يرجى تقديم التغذية الراجعة في tf-responsible-ai@google.com . يعد فهم ما تعلمته وتحدياتك أمرًا بالغ الأهمية لقدرتنا على بناء منتجات تناسب الجميع.