Na kakšen način lahko pristranskosti v modelih strojnega učenja, kot so tisti v sistemih za ustvarjanje jezikov, kot je GPT-2, ohranjajo družbene predsodke in kakšne ukrepe je mogoče sprejeti za ublažitev teh pristranskosti?
Torek, 11 junij 2024
by Akademija EITCA
Pristranskosti v modelih strojnega učenja, zlasti v sistemih za ustvarjanje jezikov, kot je GPT-2, lahko znatno ohranjajo družbene predsodke. Te pristranskosti pogosto izhajajo iz podatkov, uporabljenih za usposabljanje teh modelov, ki lahko odražajo obstoječe družbene stereotipe in neenakosti. Ko so takšne pristranskosti vgrajene v algoritme strojnega učenja, se lahko kažejo na različne načine, kar vodi do
- Objavljeno v Umetna inteligenca, EITC/AI/ADL Napredno poglobljeno učenje, Odgovorna inovacija, Odgovorna inovacija in umetna inteligenca, Pregled izpita
Označeni pod:
Umetna inteligenca, Zmanjšanje pristranskosti, GPT-2, Jezikovni modeli, strojno učenje, Odgovorni AI