עזרה להגן על שונית המחסום הגדולה עם TensorFlow על Kaggle הצטרפו אתגר

מדריך AI Responsible TensorFlow

מבוא

בשנת 2018, גוגל הציגה שלה עקרונות AI , אשר להנחות את הפיתוח ושימוש האתיים של AI במחקר המוצרים שלנו. בהתאם לעקרונות אלה, צוות TensorFlow פועל כדי לספק למפתחים כלים וטכניקות כדי לדבוק בפרקטיקות של AI אחראי (RAI).

בספר הדרכה זה, תמצא הדרכה כיצד ליישם כלים בערכת כלי הבינה המלאכותית האחראית כדי לפתח זרימת עבודה מגובשת המשרתת את מקרה השימוש הספציפי שלך וצרכי ​​המוצר. כלים בספרי הדרכה אוטומטית כוללים ניתן ליישם בתחומים כגון הגינות ושקיפות. זהו תחום פעיל של פיתוח בגוגל, ואתה יכול לצפות המדריך הזה כדי לכלול הדרכה בתחומים נלווים נוספים, כגון פרטיות, explainability, וחוסנם.

ארגון ספר הדרכה

תיעוד והדרכה של API

עבור כל כלי, נספק הדרכה לגבי מה הכלי עושה, היכן בזרימת העבודה שלך הוא עשוי להתאים, ושיקולי השימוש השונים שלו. במידת הצורך, נכלול דף "התקנה" בכרטיסייה "מדריך" עבור כל כלי, ותיעוד API מפורט בכרטיסייה "API". עבור כלים מסוימים, נכלול גם מדריכים טכניים המדגימים מושגים שמשתמשים עשויים למצוא מאתגר כאשר מיישמים אותם.

הדרכות

במידת האפשר, נספק מדריכים למחברת המראים כיצד ניתן ליישם כלים בערכת הכלים של RAI. אלו הן בדרך כלל דוגמאות צעצועים שנבחרו כדי להטיל זרקור על כלי ספציפי. אם יש לכם שאלות לגבי אלה, או אם יש מקרים נוספים השימוש שאתה רוצה לראות שנחקר הדרכות , תוכל לפנות אלינו בכל tf-responsible-ai@google.com .

שיקולים נוספים

תכנון זרימת עבודה אחראית של AI דורש גישה מתחשבת בכל שלב במחזור החיים של ML, מניסוח בעיות ועד לפריסה וניטור. מעבר לפרטי היישום הטכני שלך, תצטרך לקבל מגוון החלטות סוציו-טכניות על מנת ליישם את הכלים הללו. כמה שיקולי RAI נפוצים שעוסקים ב-ML צריכים לעשות כוללים:

  • באילו קטגוריות דמוגרפיות אני צריך כדי להבטיח שהמודל שלי יצליח?
  • אם עליי לאחסן תוויות רגישות כדי לבצע הערכת הוגנות, כיצד עלי לשקול את הפשרה בין הוגנות לפרטיות?
  • באילו מדדים או הגדרות עלי להשתמש כדי להעריך את ההוגנות?
  • איזה מידע עלי לכלול במודל ובחפצי שקיפות הנתונים שלי?

התשובות לשאלות אלו ולשאלות רבות אחרות תלויות במקרה השימוש הספציפי שלך וצרכי ​​המוצר. ככזה, אנחנו לא יכולים להגיד לך בדיוק מה לעשות, אבל נספק הנחיות לקבלת החלטות אחראיות, עם טיפים מועילים וקישורים לשיטות מחקר רלוונטיות במידת האפשר. כפי שאתה לפתח עבודת AI האחראית שלך עם TensorFlow, ספק ביקורת על tf-responsible-ai@google.com . הבנת הלמידה והאתגרים שלך היא קריטית ליכולתנו לבנות מוצרים שעובדים עבור כולם.