למד כיצד לשלב פרקטיקות AI אחראיות בתהליך העבודה שלך ב- ML באמצעות TensorFlow
TensorFlow מחויבת לעזור להתקדם בפיתוח אחראי של AI על ידי שיתוף אוסף של משאבים וכלים עם קהילת ה- ML.
מה זה AI אחראי?
פיתוח ה- AI יוצר הזדמנויות חדשות לפתור בעיות מאתגרות בעולם האמיתי. זה גם מעלה שאלות חדשות לגבי הדרך הטובה ביותר לבנות מערכות AI שמועילות לכולם.
שיטות מומלצות מומלצות עבור AI
תכנון מערכות AI צריך לפעול על פי שיטות העבודה המומלצות לפיתוח תוכנה תוך שימוש במרכז אנושי
גישה ל- ML
הֲגִינוּת
ככל שההשפעה של AI גדלה בין מגזרים וחברות, חשוב לעבוד על מערכות הוגנות וכוללות לכולם
פרשנות
הבנה ואמון על מערכות AI מורכבות מכדי להבטיח שהן פועלות כמתוכנן
פְּרָטִיוּת
הדרכת מודלים מחוץ לנתונים רגישים מצריכה שמירה על פרטיות
בִּטָחוֹן
זיהוי איומים פוטנציאליים יכול לסייע בשמירה על אבטחת מערכות AI
AI אחראי בתהליך העבודה שלך ב- ML
ניתן לשלב פרקטיקות אחראיות של AI בכל שלב בתהליך העבודה של ML. להלן מספר שאלות עיקריות שיש לקחת בחשבון בכל שלב.
למי מיועדת מערכת ה- ML שלי?
הדרך בה משתמשים ממשיים חווים את המערכת שלך היא חיונית להערכת ההשפעה האמיתית של התחזיות, ההמלצות וההחלטות שלה. הקפד לקבל קלט ממערך משתמשים מגוון בשלב מוקדם בתהליך הפיתוח שלך.
האם אני משתמש במערך נתונים מייצג?
האם הנתונים שלך נדגמו באופן שמייצג את המשתמשים שלך (למשל ישמש לכל הגילאים, אך יש לך רק נתוני הכשרה של אזרחים ותיקים) ואת ההגדרה בעולם האמיתי (למשל ישמשו כל השנה, אבל יש לך רק הכשרה נתונים מהקיץ)?
האם קיימת הטיה של העולם האמיתי / אנושי בנתונים שלי?
הטיות בסיסיות בנתונים יכולות לתרום לולאות משוב מורכבות המחזקות סטריאוטיפים קיימים.
באילו שיטות עלי להשתמש באימון המודל שלי?
השתמש בשיטות אימון הבונות הוגנות, פרשנות, פרטיות וביטחון במודל.
איך המודל שלי מתפקד?
הערך את חוויית המשתמש בתרחישים בעולם האמיתי על פני קשת רחבה של משתמשים, מקרי שימוש והקשרים של שימוש. בדקו תחילה ואכלו באוכל לכלבים, ואחריו המשך הבדיקה לאחר ההשקה.
האם יש לולאות משוב מורכבות?
גם אם כל דבר בתכנון המערכת הכולל מעוצב בקפידה, לעתים רחוקות מודלים מבוססי ML פועלים עם שלמות של 100% כאשר הם מוחלים על נתונים אמיתיים וחיים. כאשר בעיה מתרחשת במוצר חי, שקול אם הוא מסתדר עם חסרונות חברתיים קיימים, וכיצד הוא יושפע מפתרונות לטווח הקצר והארוך.
כלי AI אחראי עבור TensorFlow
למערכת האקולוגית של TensorFlow יש מגוון כלים ומשאבים שיעזרו להתמודד עם כמה מהשאלות לעיל.
הגדר בעיה
השתמש במשאבים הבאים כדי לעצב מודלים עם מחשבה על AI אחראי.


לבנות ולהכין נתונים
השתמש בכלים הבאים לבחינת נתונים להטיות פוטנציאליות.


בנה ואמן מודל
השתמש בכלים הבאים לאימון מודלים תוך שימוש בשמירת פרטיות, טכניקות הניתנות לפרשנות ועוד.


הערך מודל
ניפוי באגים, הערכה והמחשה של ביצועי המודל בעזרת הכלים הבאים.






לפרוס ולפקח
השתמש בכלים הבאים כדי לעקוב ולתקשר אודות הקשר מודל ופרטים.



למד עוד
למד מה הקהילה עושה וחקור דרכים להתערב.

עזור למוצרי גוגל להיות יותר מכלילים ומייצגים את השפה, האזור והתרבות שלך.

השתמש ב- TensorFlow 2.2 לבניית מודל או יישום עם עקרונות AI אחראים.
