TensorFlow Responsible AI Guidebook

บทนำ

ในปี 2018 Google ได้เปิดตัว หลักการ AI ซึ่งเป็นแนวทางในการพัฒนาและการใช้ AI อย่างมีจริยธรรมในการวิจัยและผลิตภัณฑ์ของเรา ตามหลักการเหล่านี้ ทีมงาน TensorFlow ทำงานเพื่อจัดหาเครื่องมือและเทคนิคให้กับนักพัฒนาเพื่อให้สอดคล้องกับแนวทางปฏิบัติ Responsible AI (RAI)

ในคู่มือนี้ คุณจะพบคำแนะนำเกี่ยวกับวิธีการใช้เครื่องมือในชุดเครื่องมือ Responsible AI Toolkit เพื่อพัฒนาเวิร์กโฟลว์ที่สอดคล้องกันซึ่งตอบสนองกรณีการใช้งานเฉพาะและความต้องการผลิตภัณฑ์ของคุณ เครื่องมือในคู่มือนี้รวมถึงเครื่องมือที่สามารถนำไปใช้ในโดเมนต่างๆ เช่น ความเป็น ธรรม และ ความโปร่งใส นี่เป็นส่วนสำคัญของการพัฒนาที่ Google และคุณสามารถคาดหวังว่าคู่มือนี้จะรวมคำแนะนำสำหรับพื้นที่ที่เกี่ยวข้องเพิ่มเติม เช่น ความเป็น ส่วนตัว ความ สามารถในการ อธิบาย และ ความคงทน

คู่มือองค์กร

เอกสาร API & คำแนะนำ

สำหรับแต่ละเครื่องมือ เราจะให้คำแนะนำเกี่ยวกับสิ่งที่เครื่องมือทำ ตำแหน่งใดในเวิร์กโฟลว์ของคุณที่อาจเหมาะสม และข้อควรพิจารณาในการใช้งานต่างๆ เราจะรวมหน้า "ติดตั้ง" ไว้ในแท็บ "คำแนะนำ" สำหรับแต่ละเครื่องมือและเอกสารประกอบ API โดยละเอียดในแท็บ "API" สำหรับเครื่องมือบางอย่าง เราจะรวมคำแนะนำทางเทคนิคที่แสดงแนวคิดที่ผู้ใช้อาจพบ ท้าทายเมื่อนำไปใช้

บทช่วยสอน

เมื่อใดก็ตามที่เป็นไปได้ เราจะจัดเตรียมบทช่วยสอนในสมุดบันทึกซึ่งแสดงวิธีการใช้เครื่องมือใน RAI Toolkit โดยทั่วไปแล้วสิ่งเหล่านี้คือตัวอย่างของเล่นที่ได้รับเลือกให้เป็นจุดสนใจในเครื่องมือเฉพาะ หากคุณมีคำถามเกี่ยวกับสิ่งเหล่านี้ หรือหากมีกรณีการใช้งานเพิ่มเติมที่คุณต้องการดูใน บทแนะนำ โปรดติดต่อเราที่ tf-responsible-ai@google.com

ข้อควรพิจารณาเพิ่มเติม

การออกแบบเวิร์กโฟลว์ AI ที่รับผิดชอบต้องใช้วิธีการที่รอบคอบในแต่ละขั้นตอนของวงจรชีวิต ML ตั้งแต่การกำหนดปัญหาไปจนถึงการปรับใช้และการตรวจสอบ นอกเหนือจากรายละเอียดการใช้งานทางเทคนิคของคุณ คุณจะต้องทำการตัดสินใจทางสังคมเทคนิคต่างๆ เพื่อใช้เครื่องมือเหล่านี้ ข้อควรพิจารณา RAI ทั่วไปบางประการที่ผู้ปฏิบัติงาน ML ต้องทำ ได้แก่:

  • ฉันต้องใช้กลุ่มประชากรประเภทใดเพื่อให้แน่ใจว่าแบบจำลองของฉันทำงานได้ดี
  • หากฉันต้องจัดเก็บฉลากที่ละเอียดอ่อนเพื่อประเมินความเป็นธรรม ฉันควรพิจารณาข้อแลกเปลี่ยนระหว่างความเป็นธรรมและความเป็นส่วนตัวอย่างไร
  • ฉันควรใช้ตัวชี้วัดหรือคำจำกัดความใดในการประเมินความเป็นธรรม
  • ฉันควรรวมข้อมูลใดบ้างในแบบจำลองและสิ่งประดิษฐ์ความโปร่งใสของข้อมูล

คำตอบสำหรับคำถามเหล่านี้และคำถามอื่นๆ ขึ้นอยู่กับกรณีการใช้งานและความต้องการผลิตภัณฑ์ของคุณโดยเฉพาะ ด้วยเหตุนี้ เราจึงไม่สามารถบอกคุณได้แน่ชัดว่าต้องทำอย่างไร แต่จะให้คำแนะนำในการตัดสินใจอย่างมีความรับผิดชอบ พร้อมคำแนะนำที่เป็นประโยชน์และลิงก์ไปยังวิธีการวิจัยที่เกี่ยวข้องทุกเมื่อที่ทำได้ ในขณะที่คุณพัฒนาเวิร์กโฟลว์ AI ที่มีความรับผิดชอบด้วย TensorFlow โปรดให้ข้อเสนอแนะที่ tf-responsible-ai@google.com การทำความเข้าใจกับการเรียนรู้และความท้าทายของคุณมีความสำคัญต่อความสามารถของเราในการสร้างผลิตภัณฑ์ที่เหมาะกับทุกคน