人工智能前沿讨论研究——从数百个用例中获得的洞见(下)(二)
- 管理员
-
39 次阅读
-
0 次下载
-
2020-11-10 15:14:51
文档简介:
人工智能前沿讨论研究——从数百个用例中获得的洞见(下)(二)2019-04-19第五个限制因素是数据和算法中的潜在偏差。这点与上述所列的4项不太一样,前述4项均可通过开发新技术来解决,但是潜在偏差则不然,它要求更广泛的解决步骤,比如了解收集训练数据的过程是如何影响模型结果的,可帮助改善潜在偏差。在某些情况下,如果应用不当,AI模型有可能会长期延续现有的社会和文化偏差。例如,如果训练数据集的代表面不够广泛,那么可能会带来无意偏差。因此,从全市摄像网络中收集的数据很可能显示各种信号,包括犯罪、户外广告等,但是,如果只是抽取某个摄像机密度比较高的地区的摄像数据,那它便很难代表整个城市。类似地,如果利用人工智能开发者所在地区的人脸信息去训练人脸识别模型,那么将此模型运用到其他更多地区就会出现偏差。此外,最近一份关于恶意使用人工智能的报告强调指出了一系列安全威胁,从复杂的黑客攻击到高度个性化的政治虚假宣传活动等,不一而足。报告列出的风险包括与侵犯隐私和社会操纵相关的威胁,比如分析所搜集的海量数据、进行有针对性的宣传和利用特定视频进行欺骗等。目前,多项研究正在进行,旨在确定最佳做法,解决学术、非
评论
发表评论