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.
מהו AI אחראי?
הפיתוח של 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 חשוב להבטיח שהן פועלות כמתוכנן
פְּרָטִיוּת
הדרכת מודלים של נתונים 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?
האופן שבו משתמשים בפועל חווים את המערכת שלך הוא חיוני להערכת ההשפעה האמיתית של התחזיות, ההמלצות וההחלטות שלה. הקפד לקבל קלט ממגוון 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 במזון הכלבים, ולאחר מכן המשך הבדיקה לאחר ההשקה.
האם יש לולאות משוב מורכבות?
גם אם הכל בתכנון המערכת הכללי מתוכנן בקפידה, מודלים מבוססי ML פועלים לעיתים רחוקות עם שלמות של 100% כאשר הם מוחלים על נתונים אמיתיים וחיים. כאשר מתרחשת בעיה במוצר חי, שקול אם הוא מסתדר עם חסרונות חברתיים קיימים, וכיצד הוא יושפע מפתרונות לטווח הקצר והארוך.
כלי AI אחראי עבור TensorFlow
למערכת האקולוגית 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 כדי לבחון נתונים לגבי הטיות אפשריות.
בנה ואמן מודל
השתמש בכלים הבאים לאימון מודלים תוך שימוש בשמירת פרטיות, טכניקות שניתן לפרש ועוד.
הערך מודל
ניפוי באגים, הערכה והמחשה של ביצועי המודל באמצעות הכלים הבאים.
לפרוס ולפקח
השתמש בכלים הבאים כדי לעקוב אחר ולתקשר אודות הקשר מודל ופרטים.
משאבים קהילתיים
למד מה הקהילה עושה וחקור דרכים להתערב.
עזור למוצרי גוגל להיות יותר מכלילים ומייצגים את השפה, האזור והתרבות שלך.
ביקשנו מהמשתתפים להשתמש ב- TensorFlow 2.2 לבניית מודל או יישום עם עקרונות AI אחראים. בדוק בגלריה כדי לראות את הזוכים ופרויקטים מדהימים אחרים.
