TensorFlow Sorumlu Yapay Zeka Kılavuzu

Giriş

2018'de Google, araştırma ve ürünlerimizde yapay zekanın etik gelişimine ve kullanımına rehberlik eden YZ İlkelerini tanıttı. Bu ilkeler doğrultusunda TensorFlow ekibi, geliştiricilere Sorumlu Yapay Zeka (RAI) uygulamalarına uymaları için araçlar ve teknikler sağlamak için çalışır.

Bu rehber kitapta, özel kullanım durumunuza ve ürün ihtiyaçlarınıza hizmet eden uyumlu bir iş akışı geliştirmek için Sorumlu Yapay Zeka Araç Seti'ndeki araçların nasıl uygulanacağına dair rehberlik bulacaksınız. Bu kılavuzdaki araçlar, adalet ve şeffaflık gibi alanlarda uygulanabilecek araçları içerir. Bu, Google'da aktif bir geliştirme alanıdır ve bu rehber kitabının, gizlilik , açıklanabilirlik ve sağlamlık gibi ek ilgili alanlar için rehberlik içermesini bekleyebilirsiniz .

Rehber Organizasyonu

API Dokümantasyonu ve Kılavuzu

Her bir araç için, aracın ne yaptığı, iş akışınızda nereye sığabileceği ve çeşitli kullanım konuları hakkında rehberlik sağlayacağız. Uygun olduğu durumlarda, her araç için "Kılavuz" sekmesine bir "Kurulum" sayfası ve "API" sekmesine ayrıntılı API belgeleri ekleyeceğiz. Bazı araçlar için, kullanıcıların bulabileceği kavramları gösteren teknik kılavuzları da ekleyeceğiz onları uygularken zorlayıcı.

Öğreticiler

Mümkün olduğunda, RAI Araç Takımındaki araçların nasıl uygulanabileceğini gösteren dizüstü bilgisayar eğitimleri sağlayacağız. Bunlar tipik olarak belirli bir alete ışık tutmak için seçilen oyuncak örnekleridir. Bunlarla ilgili sorularınız varsa veya eğiticilerde keşfedilen başka kullanım örnekleri varsa, lütfen tf-responsible-ai@google.com adresinden bize ulaşın.

Ek Hususlar

Sorumlu bir yapay zeka iş akışının tasarlanması, ML yaşam döngüsünün sorun formülasyonundan devreye alma ve izlemeye kadar her aşamasında dikkatli bir yaklaşım gerektirir. Teknik uygulamanızın ayrıntılarının ötesinde, bu araçları uygulamak için çeşitli sosyoteknik kararlar vermeniz gerekecektir. Makine öğrenimi uygulayıcılarının yapması gereken bazı yaygın RAI hususları şunları içerir:

  • Modelimin iyi performans gösterdiğinden emin olmak için hangi demografik kategorilerde ihtiyacım var?
  • Adillik değerlendirmesi yapmak için hassas etiketleri saklamam gerekirse, adalet ve gizlilik arasındaki değiş tokuşu nasıl değerlendirmeliyim?
  • Adaleti değerlendirmek için hangi ölçümleri veya tanımları kullanmalıyım?
  • Modelime ve veri şeffaflığı eserlerime hangi bilgileri dahil etmeliyim?

Bunların ve diğer birçok sorunun yanıtları, özel kullanım durumunuza ve ürün ihtiyaçlarınıza bağlıdır. Bu nedenle, size tam olarak ne yapmanız gerektiğini söyleyemeyiz, ancak mümkün olduğunda yararlı ipuçları ve ilgili araştırma yöntemlerine bağlantılar ile sorumlu kararlar vermeniz için rehberlik sağlayacağız. TensorFlow ile sorumlu AI iş akışınızı geliştirirken, lütfen tf-responsible-ai@google.com adresinden geri bildirim sağlayın . Öğrendiklerinizi ve karşılaştığınız zorlukları anlamak, herkes için işe yarayan ürünler oluşturma becerimiz açısından kritik önem taşır.