Discuz! Board

標題: 必须意识到这可能需要很 [打印本頁]

作者: rmruhul 時間: 2024-1-8 13:37
標題: 必须意识到这可能需要很
取决于您提供给它的数据量，但根据您想要构建它的应用程序，您多时间。我记得当我开始使用 Python 时，我想……我忘记了我想做什么，但我的模型正在运行，它训练了八个小时。最后它告诉我，由于某些原因，它失败了。我当时想，“你在最后，八小时后告诉我，”所以这可能有点令人沮丧，但它仍然是实验性的，你必须接受它不是一门纯科学，不是一切总是准确的。

查理：目前，由于某些模型仍然存在，它们可能有几兆字节，如果您正在构建您知道的东西，很可能会在移动屏幕上看到，您可能需要考虑到这一点，您不想通过 4G 网络加载所有数据。您可能想要警告人们，他们应该使 电报号码数据 用 Wi-Fi 或使用电池，否则手机类型也无法真正处理所有这些问题。然后更严肃地说，就责任而言，您必须了解为什么您的模型会预测某些事情。这可能很困难，因为模型是一个黑匣子。这是一个你并不真正知道里面是什么的函数。你知道它预测了什么，基于你正在构建的东西，如果它做出某些决定，我不知道，谁获得贷款或谁进监狱，基于任何事情，你希望能够解释你如何做出了这个决定。

查理：如果你决定使用机器学习来抽象一些工作，那么它就不会由人来完成。这可能非常危险，所以你必须知道你在做什么，最后，记住它并不完美。我认为人们有时会认为，因为我们谈论人工智能和人类一样聪明，但事实并非如此，它仍然是计算机。这仍然是提供给他们的数据，他们做出一些预测，但不知何故我们只是相信它，这很可怕。但是，是的，这就是一些限制。

德鲁：是的。我想它可能看起来很聪明，但它仍然是人造的。最近出现了一些相当引人注目的案例，特别是围绕一些具有图像识别功能的机器学习内容，这些案例引发了机器学习中的偏见问题，例如，一个模型仅检测人类的浅色皮肤。我们应该在这里做出道德考虑吗？

查理：对我来说，这听起来是机器学习非常有趣的一面。这也是为什么在我这么说之前，请记住它并不完美。有时我觉得人们认为机器碰巧是正确的并且它自己知道所有的事情，但它仍然是我们编程的东西。当算法产生或生成有偏差的结果时，该算法只是根据之前给出的数据生成事物。因此，算法本身或模型不会知道社会上浅肤色的人和深色肤色的人之间的差异。它不知道也不关心。它唯一知道的是，我收到了某些人的照片，我将根据我所知道的生成照片。

查理：提供给算法的数据集通常是由我们、由人们生成的。也许不是开发人员使用模型，而是在某个时候有人整理了一个数据集。我认为重要的是要记住，我们有责任确保生成的预测尽可能公平且尽可能公正。这就产生了有趣的问题，因为这样你就可以问：“那么，什么对人们来说是公平的？” 或者，如果我们考虑一下我创建的用于查看有毒评论的 GitHub 操作示例，那么，也许我认为有毒的内容与其他人认为有毒的内容并不相同。

查理：这真有趣。麻省理工学院媒体实验室围绕人工智能的道德和治理制作了一系列非常有趣的视频，我觉得这很有趣，因为它并不是告诉人们，“哦，你是一个坏人，因为你使用了有偏见的算法，”或者，“你是一个坏人，因为你创建了一个有偏见的模型。” 它更多的是提出某些问题并帮助你意识到，“好吧，实际上，也许我可以做得更好”，因为这表明，“是的，我忘记将不同的人添加到我的数据集中。让我来解决这个问题。” 这并不是说“我们不再使用那个模型”。只需重新训练即可。意识到，“哦，我忘了这一点。我可以重新训练它，我们可以让它变得更好。” 我绝对认为这很有趣。

歡迎光臨 Discuz! Board (http://marcstudio.ibbs.tw/)