ວິທີການປະຕິບັດຢ່າງລະມັດລະວັງກັບ AI ຫຼຸດຜ່ອນຊຸດຂໍ້ມູນທີ່ມີຄວາມລໍາອຽງ

ຊຸດຂໍ້ມູນແບບອະຄະຕິ ແລະ AI ດ້ານຈັນຍາບັນ

ການແກ້ໄຂທີ່ໃຊ້ AI ຕ້ອງການຊຸດຂໍ້ມູນເພື່ອໃຫ້ມີປະສິດທິພາບ. ແລະການສ້າງຊຸດຂໍ້ມູນເຫຼົ່ານັ້ນແມ່ນເຕັມໄປດ້ວຍບັນຫາຄວາມລໍາອຽງ implicit ໃນລະດັບລະບົບ. ທຸກໆຄົນທົນທຸກຈາກຄວາມລໍາອຽງ (ທັງສະຕິແລະບໍ່ມີສະຕິ). ຄວາມລຳອຽງສາມາດນຳໃຊ້ໄດ້ທຸກຮູບແບບ: ພູມສາດ, ພາສາສາດ, ເສດຖະກິດ-ສັງຄົມ, ເພດ, ແລະເຊື້ອຊາດ. ແລະຄວາມ ລຳ ອຽງທາງດ້ານລະບົບເຫຼົ່ານັ້ນຖືກອົບເຂົ້າໄປໃນຂໍ້ມູນ, ເຊິ່ງສາມາດສົ່ງຜົນໃຫ້ຜະລິດຕະພັນ AI ສືບຕໍ່ແລະຂະຫຍາຍຄວາມ ລຳ ອຽງ. ອົງການຈັດຕັ້ງຕ່າງ need ຕ້ອງການວິທີການທີ່ມີສະຕິເພື່ອຫຼຸດຜ່ອນຄວາມອະຄະຕິທີ່ເຂົ້າມາໃນຊຸດຂໍ້ມູນ.

ຕົວຢ່າງທີ່ສະແດງໃຫ້ເຫັນເຖິງບັນຫາອະຄະຕິ

ຕົວຢ່າງທີ່ໂດດເດັ່ນອັນໜຶ່ງຂອງຄວາມລຳອຽງຂອງຊຸດຂໍ້ມູນນີ້ທີ່ສ້າງຄວາມກົດດັນໃນແງ່ລົບຫຼາຍໃນເວລານັ້ນແມ່ນການແກ້ໄຂການອ່ານຊີວະປະຫວັດທີ່ມັກຜູ້ສະໝັກຊາຍຫຼາຍກວ່າເພດຍິງ. ນີ້ແມ່ນຍ້ອນວ່າຊຸດຂໍ້ມູນຂອງເຄື່ອງມືການຈ້າງງານໄດ້ຖືກພັດທະນາໂດຍໃຊ້ຊີວະປະຫວັດຫຍໍ້ຈາກໃນໄລຍະທົດສະວັດທີ່ຜ່ານມາໃນເວລາທີ່ຜູ້ສະຫມັກສ່ວນໃຫຍ່ເປັນເພດຊາຍ. ຂໍ້ມູນມີຄວາມລຳອຽງ ແລະ ຜົນໄດ້ຮັບສະທ້ອນໃຫ້ເຫັນຄວາມລຳອຽງນັ້ນ. 

ຕົວຢ່າງທີ່ລາຍງານຢ່າງກວ້າງຂວາງອີກອັນຫນຶ່ງ: ໃນກອງປະຊຸມຜູ້ພັດທະນາ Google I/O ປະຈໍາປີ, Google ໄດ້ແບ່ງປັນຕົວຢ່າງຂອງເຄື່ອງມືການຊ່ວຍເຫຼືອດ້ານຜິວຫນັງທີ່ມີພະລັງງານ AI ທີ່ຊ່ວຍໃຫ້ຄົນເຂົ້າໃຈສິ່ງທີ່ເກີດຂື້ນກັບບັນຫາທີ່ກ່ຽວຂ້ອງກັບຜິວຫນັງ, ຜົມ, ແລະເລັບຂອງພວກເຂົາ. ຜູ້ຊ່ວຍແພດຜິວໜັງໄດ້ເນັ້ນເຖິງວິທີທີ່ AI ພັດທະນາເພື່ອຊ່ວຍໃນການຮັກສາສຸຂະພາບ - ແຕ່ມັນຍັງຊີ້ໃຫ້ເຫັນເຖິງທ່າແຮງຂອງຄວາມລໍາອຽງທີ່ຈະກ້າວເຂົ້າສູ່ AI ພາຍຫຼັງການວິພາກວິຈານວ່າເຄື່ອງມືບໍ່ພຽງພໍສໍາລັບຄົນທີ່ມີສີສັນ.

ເມື່ອ Google ປະກາດເຄື່ອງມື, ບໍລິສັດໄດ້ສັງເກດເຫັນ:

ເພື່ອໃຫ້ແນ່ໃຈວ່າພວກເຮົາສ້າງສໍາລັບທຸກຄົນ, ຕົວແບບຂອງພວກເຮົາໄດ້ກວມເອົາປັດໃຈຕ່າງໆເຊັ່ນ: ອາຍຸ, ເພດ, ເຊື້ອຊາດ, ແລະປະເພດຜິວຫນັງ - ຈາກຜິວຫນັງຈືດໆທີ່ບໍ່ມີສີນ້ໍາຕານໄປຫາຜິວຫນັງສີນ້ໍາຕານທີ່ບໍ່ຄ່ອຍຈະບາດແຜ.

Google, ການນໍາໃຊ້ AI ເພື່ອຊ່ວຍຊອກຫາຄໍາຕອບຕໍ່ສະພາບຜິວຫນັງທົ່ວໄປ

ແຕ່ບົດຄວາມໃນ Vice ກ່າວວ່າ Google ລົ້ມເຫລວໃນການນໍາໃຊ້ຊຸດຂໍ້ມູນລວມ:

ເພື່ອເຮັດໃຫ້ວຽກງານດັ່ງກ່າວສໍາເລັດ, ນັກຄົ້ນຄວ້າໄດ້ນໍາໃຊ້ຊຸດຂໍ້ມູນການຝຶກອົບຮົມຂອງ 64,837 ຮູບພາບຂອງຄົນເຈັບ 12,399 ທີ່ຕັ້ງຢູ່ໃນສອງລັດ. ແຕ່ໃນຫລາຍພັນຄົນຂອງສະພາບຜິວຫນັງ, ພຽງແຕ່ 3.5 ເປີເຊັນແມ່ນມາຈາກຄົນເຈັບທີ່ມີຜິວຫນັງ Fitzpatrick V ແລະ VI - ຜູ້ທີ່ເປັນຕົວແທນຂອງຜິວຫນັງສີນ້ໍາຕານແລະສີນ້ໍາຕານເຂັ້ມຫຼືສີດໍາຕາມລໍາດັບ. 90 ເປີເຊັນຂອງຖານຂໍ້ມູນແມ່ນປະກອບດ້ວຍຄົນທີ່ມີຜິວເນື້ອສີຂາວ, ຜິວຫນັງສີຂາວຊ້ໍາ, ຫຼືຜິວຫນັງສີນ້ໍາຕານອ່ອນ, ອີງຕາມການສຶກສາ. ເປັນຜົນມາຈາກການເກັບຕົວຢ່າງທີ່ລຳອຽງ, ແພດຜິວໜັງເວົ້າວ່າ ແອັບດັ່ງກ່າວອາດເຮັດໃຫ້ຄົນທີ່ບໍ່ເປັນສີຂາວເກີນ ຫຼື ຕ່ຳກວ່າການວິນິດໄສ.

ຮອງ, ແອັບ Dermatology ໃໝ່ຂອງ Google ບໍ່ໄດ້ຖືກອອກແບບມາສໍາລັບຜູ້ທີ່ມີຜິວໜັງເຂັ້ມກວ່າ

ກູໂກຕອບສະຫນອງໂດຍກ່າວວ່າມັນຈະປັບປຸງເຄື່ອງມືກ່ອນທີ່ຈະປ່ອຍອອກມາຢ່າງເປັນທາງການ:

ເຄື່ອງມືຊ່ວຍເຫຼືອດ້ານຜິວໜັງທີ່ຂັບເຄື່ອນດ້ວຍ AI ຂອງພວກເຮົາແມ່ນຈຸດສຸດຍອດຂອງການຄົ້ນຄວ້າຫຼາຍກວ່າສາມປີ. ນັບຕັ້ງແຕ່ວຽກງານຂອງພວກເຮົາຖືກສະແດງຢູ່ໃນ Nature Medicine, ພວກເຮົາໄດ້ສືບຕໍ່ພັດທະນາແລະປັບປຸງເຕັກໂນໂລຢີຂອງພວກເຮົາດ້ວຍການລວມເອົາຊຸດຂໍ້ມູນເພີ່ມເຕີມທີ່ປະກອບມີຂໍ້ມູນທີ່ບໍລິຈາກໂດຍປະຊາຊົນຫລາຍພັນຄົນ, ແລະຮູບພາບທີ່ກ່ຽວຂ້ອງກັບຜິວຫນັງຫຼາຍລ້ານ.

Google, ການນໍາໃຊ້ AI ເພື່ອຊ່ວຍຊອກຫາຄໍາຕອບຕໍ່ສະພາບຜິວຫນັງທົ່ວໄປ

ຫຼາຍເທົ່າທີ່ພວກເຮົາອາດຈະຫວັງວ່າ AI ແລະໂຄງການການຮຽນຮູ້ເຄື່ອງຈັກສາມາດແກ້ໄຂຄວາມລໍາອຽງເຫຼົ່ານີ້ໄດ້, ຄວາມເປັນຈິງຍັງຄົງຢູ່: ພວກມັນແມ່ນພຽງແຕ່ເປັນ. smart ເນື່ອງຈາກຊຸດຂໍ້ມູນຂອງເຂົາເຈົ້າສະອາດ. ໃນການປັບປຸງຄໍາສັບການຂຽນໂປລແກລມເກົ່າ ຂີ້ເຫຍື້ອໃນ / ຂີ້ເຫຍື້ອອອກ, ການແກ້ໄຂ AI ແມ່ນມີຄວາມເຂັ້ມແຂງພຽງແຕ່ເປັນຄຸນນະພາບຂອງຊຸດຂໍ້ມູນຂອງເຂົາເຈົ້າຈາກ get-go. ໂດຍບໍ່ມີການແກ້ໄຂຈາກນັກຂຽນໂປແກຼມ, ຊຸດຂໍ້ມູນເຫຼົ່ານີ້ບໍ່ມີປະສົບການພື້ນຖານເພື່ອແກ້ໄຂດ້ວຍຕົນເອງ - ຍ້ອນວ່າເຂົາເຈົ້າບໍ່ມີກອບອ້າງອີງອື່ນ other.

ການສ້າງຊຸດຂໍ້ມູນຢ່າງມີຄວາມຮັບຜິດຊອບແມ່ນເປັນຫຼັກຂອງທັງໝົດ ປັນຍາປະດິດດ້ານຈັນຍາບັນ. ແລະປະຊາຊົນແມ່ນຢູ່ໃນຫຼັກຂອງການແກ້ໄຂ. 

AI ສະຕິແມ່ນ AI ດ້ານຈັນຍາບັນ

ຄວາມລຳອຽງບໍ່ເກີດຂຶ້ນໃນສູນຍາກາດ. ຊຸດຂໍ້ມູນທີ່ບໍ່ມີຈັນຍາບັນຫຼືຄວາມລໍາອຽງແມ່ນມາຈາກວິທີການທີ່ບໍ່ຖືກຕ້ອງໃນໄລຍະການພັດທະນາ. ວິທີການຕໍ່ສູ້ກັບຄວາມຜິດພາດທີ່ມີອະຄະຕິແມ່ນການຮັບຮອງເອົາວິທີການທີ່ມີຄວາມຮັບຜິດຊອບ, ເປັນສູນກາງຂອງມະນຸດ, ເຊິ່ງຫຼາຍຄົນໃນອຸດສາຫະກໍາເອີ້ນວ່າ Mindful AI. Mindful AI ມີສາມອົງປະກອບທີ່ສໍາຄັນ:

1. AI ສະຕິແມ່ນມະນຸດເປັນໃຈກາງ

ຈາກການເລີ່ມຕົ້ນຂອງໂຄງການ AI, ໃນຂັ້ນຕອນການວາງແຜນ, ຄວາມຕ້ອງການຂອງປະຊາຊົນຕ້ອງເປັນຈຸດໃຈກາງຂອງການຕັດສິນໃຈທຸກຄັ້ງ. ແລະນັ້ນຫມາຍຄວາມວ່າຄົນທັງຫມົດ - ບໍ່ພຽງແຕ່ຊຸດຍ່ອຍເທົ່ານັ້ນ. ນັ້ນແມ່ນເຫດຜົນທີ່ຜູ້ພັດທະນາຈໍາເປັນຕ້ອງອີງໃສ່ທີມງານທີ່ຫຼາກຫຼາຍຂອງບຸກຄົນທົ່ວໂລກເພື່ອຝຶກອົບຮົມຄໍາຮ້ອງສະຫມັກ AI ໃຫ້ມີການປະສົມປະສານແລະບໍ່ມີອະຄະຕິ.

Crowdsourcing ຊຸດຂໍ້ມູນຈາກທົ່ວໂລກ, ທີມງານທີ່ຫຼາກຫຼາຍຮັບປະກັນຄວາມລໍາອຽງຖືກລະບຸແລະການກັ່ນຕອງອອກໄວ. ບັນດາຊົນເຜົ່າ, ກຸ່ມອາຍຸ, ເພດ, ລະດັບການສຶກສາ, ພື້ນຖານເສດຖະກິດ-ສັງຄົມ, ແລະສະຖານທີ່ຕ່າງໆສາມາດຊອກຫາຊຸດຂໍ້ມູນທີ່ມັກໃຫ້ຊຸດຂອງຄຸນຄ່າຫຼາຍກວ່າອີກຊຸດຫນຶ່ງ, ດັ່ງນັ້ນການກໍາຈັດຄວາມລໍາອຽງທີ່ບໍ່ໄດ້ຕັ້ງໃຈ.

ລອງເບິ່ງແອັບພລິເຄຊັນສຽງ. ເມື່ອນໍາໃຊ້ວິທີການ AI ທີ່ມີສະຕິ, ແລະໃຊ້ອໍານາດຂອງສະນຸກເກີພອນສະຫວັນທົ່ວໂລກ, ນັກພັດທະນາສາມາດຄິດໄລ່ອົງປະກອບທາງພາສາເຊັ່ນພາສາແລະສໍານຽງທີ່ແຕກຕ່າງກັນໃນຊຸດຂໍ້ມູນ.

ການສ້າງໂຄງຮ່າງການອອກແບບທີ່ເນັ້ນໃສ່ມະນຸດຕັ້ງແຕ່ເລີ່ມຕົ້ນແມ່ນມີຄວາມສຳຄັນ. ມັນໄປໄກຕໍ່ການຮັບປະກັນວ່າຂໍ້ມູນທີ່ສ້າງຂຶ້ນ, ຄັດສັນມາ, ແລະຕິດສະຫຼາກຕອບສະໜອງຄວາມຄາດຫວັງຂອງຜູ້ໃຊ້ສຸດທ້າຍ. ແຕ່ມັນກໍ່ມີຄວາມສໍາຄັນທີ່ຈະຮັກສາມະນຸດຢູ່ໃນວົງຮອບຕະຫຼອດວົງຈອນການພັດທະນາຜະລິດຕະພັນທັງຫມົດ. 

ມະນຸດຢູ່ໃນວົງການຍັງສາມາດຊ່ວຍໃຫ້ເຄື່ອງຈັກສ້າງປະສົບການ AI ທີ່ດີກວ່າສໍາລັບແຕ່ລະຜູ້ຊົມສະເພາະ. ທີ່ Pactera EDGE, ທີມງານໂຄງການຂໍ້ມູນ AI ​​ຂອງພວກເຮົາ, ທີ່ຕັ້ງຢູ່ທົ່ວໂລກ, ເຂົ້າໃຈວ່າວັດທະນະທໍາ ແລະສະພາບການທີ່ແຕກຕ່າງກັນສາມາດສົ່ງຜົນກະທົບຕໍ່ການເກັບກຳ ແລະການຈັດລຽງຂໍ້ມູນການຝຶກອົບຮົມ AI ທີ່ເຊື່ອຖືໄດ້ແນວໃດ. ເຂົາເຈົ້າມີເຄື່ອງມືທີ່ຈໍາເປັນເພື່ອຊີ້ບອກບັນຫາ, ຕິດຕາມພວກມັນ, ແລະແກ້ໄຂພວກມັນກ່ອນທີ່ການແກ້ໄຂທີ່ໃຊ້ AI ຈະມີຊີວິດຢູ່.

Human-in-the-loop AI ແມ່ນໂຄງການ “ສຸດທິຄວາມປອດໄພ” ທີ່ລວມເອົາຈຸດແຂງຂອງຄົນ – ແລະ ພື້ນຫລັງທີ່ຫຼາກຫຼາຍຂອງເຂົາເຈົ້າກັບພະລັງງານຄອມພິວເຕີທີ່ໄວຂອງເຄື່ອງຈັກ. ການຮ່ວມມືລະຫວ່າງມະນຸດ ແລະ AI ຕ້ອງໄດ້ຮັບການສ້າງຕັ້ງຂຶ້ນຕັ້ງແຕ່ເລີ່ມຕົ້ນຂອງບັນດາໂຄງການເພື່ອບໍ່ໃຫ້ຂໍ້ມູນທີ່ມີອະຄະຕິບໍ່ເປັນພື້ນຖານໃນໂຄງການ. 

2. Mindful AI ມີຄວາມຮັບຜິດຊອບ

ການມີຄວາມຮັບຜິດຊອບແມ່ນເພື່ອໃຫ້ແນ່ໃຈວ່າລະບົບ AI ບໍ່ມີຄວາມລໍາອຽງແລະພວກເຂົາມີພື້ນຖານໃນຈັນຍາບັນ. ມັນແມ່ນກ່ຽວກັບການມີສະຕິຂອງວິທີການ, ເປັນຫຍັງ, ແລະບ່ອນທີ່ຂໍ້ມູນຖືກສ້າງຂື້ນ, ມັນຖືກສັງເຄາະໂດຍລະບົບ AI, ແລະວິທີການທີ່ມັນຖືກນໍາໃຊ້ໃນການຕັດສິນໃຈ, ການຕັດສິນໃຈສາມາດມີຜົນກະທົບດ້ານຈັນຍາບັນ. ວິທີຫນຶ່ງສໍາລັບທຸລະກິດທີ່ຈະເຮັດແນວນັ້ນແມ່ນການເຮັດວຽກກັບຊຸມຊົນທີ່ຢູ່ພາຍໃຕ້ຕົວແທນເພື່ອໃຫ້ມີຄວາມກ່ຽວຂ້ອງຫຼາຍຂຶ້ນແລະມີຄວາມລໍາອຽງຫນ້ອຍລົງ. ໃນພາກສະຫນາມຂອງຄໍາບັນຍາຍຂໍ້ມູນ, ການຄົ້ນຄວ້າໃຫມ່ແມ່ນເນັ້ນໃຫ້ເຫັນວິທີການຫຼາຍ annotator multi-task model ທີ່ປະຕິບັດປ້າຍຊື່ຂອງແຕ່ລະ annotator ເປັນ subtask ແຍກຕ່າງຫາກສາມາດຊ່ວຍຫຼຸດຜ່ອນບັນຫາທີ່ອາດເກີດຂຶ້ນໃນວິທີການຄວາມຈິງພື້ນຖານປົກກະຕິທີ່ຄວາມບໍ່ເຫັນດີຂອງຜູ້ຂຽນອາດຈະເປັນຍ້ອນການສະແດງຫນ້ອຍແລະ. ສາ​ມາດ​ໄດ້​ຮັບ​ການ​ລະ​ເລີຍ​ໃນ​ການ​ລວມ​ຂອງ​ຄໍາ​ອະ​ທິ​ບາຍ​ເປັນ​ຄວາມ​ຈິງ​ພື້ນ​ຖານ​ດຽວ​. 

3. ເຊື່ອຖືໄດ້

ຄວາມຫນ້າເຊື່ອຖືແມ່ນມາຈາກທຸລະກິດທີ່ມີຄວາມໂປ່ງໃສແລະສາມາດອະທິບາຍໄດ້ວ່າຮູບແບບ AI ໄດ້ຮັບການຝຶກອົບຮົມແນວໃດ, ມັນເຮັດວຽກແນວໃດ, ແລະເປັນຫຍັງພວກເຂົາແນະນໍາຜົນໄດ້ຮັບ. ທຸລະກິດຕ້ອງການຄວາມຊ່ຽວຊານກັບ AI localization ເພື່ອເຮັດໃຫ້ລູກຄ້າຂອງຕົນສາມາດເຮັດໃຫ້ຄໍາຮ້ອງສະຫມັກ AI ຂອງເຂົາເຈົ້າລວມແລະເປັນສ່ວນບຸກຄົນ, ເຄົາລົບ nuances ທີ່ສໍາຄັນໃນພາສາທ້ອງຖິ່ນແລະປະສົບການຂອງຜູ້ໃຊ້ທີ່ສາມາດເຮັດໃຫ້ຫຼືທໍາລາຍຄວາມຫນ້າເຊື່ອຖືຂອງການແກ້ໄຂ AI ຈາກປະເທດຫນຶ່ງໄປປະເທດຕໍ່ໄປ. . ຕົວຢ່າງ, ທຸລະກິດຄວນອອກແບບຄໍາຮ້ອງສະຫມັກຂອງຕົນສໍາລັບສະພາບການສ່ວນບຸກຄົນແລະທ້ອງຖິ່ນ, ລວມທັງພາສາ, ພາສາ, ແລະສໍານຽງໃນຄໍາຮ້ອງສະຫມັກສຽງ. ດ້ວຍວິທີນັ້ນ, ແອັບຈະນຳເອົາປະສົບການສຽງລະດັບດຽວກັນມາໃຫ້ທຸກພາສາ, ຈາກພາສາອັງກິດໄປຫາພາສາທີ່ຕໍ່າກວ່າ.

ຄວາມຍຸດຕິທຳ ແລະ ຄວາມຫຼາກຫຼາຍ

ໃນທີ່ສຸດ, AI ທີ່ມີສະຕິຮັບປະກັນການແກ້ໄຂແມ່ນສ້າງຂຶ້ນຕາມຊຸດຂໍ້ມູນທີ່ມີຄວາມຍຸຕິທໍາແລະຫຼາກຫຼາຍບ່ອນທີ່ຜົນສະທ້ອນແລະຜົນກະທົບຂອງຜົນໄດ້ຮັບໂດຍສະເພາະຈະຖືກຕິດຕາມແລະປະເມີນກ່ອນທີ່ການແກ້ໄຂອອກສູ່ຕະຫຼາດ. ໂດຍການມີສະຕິ ແລະລວມທັງມະນຸດໃນທຸກພາກສ່ວນຂອງການພັດທະນາການແກ້ໄຂ, ພວກເຮົາຊ່ວຍຮັບປະກັນໃຫ້ຕົວແບບ AI ສະອາດ, ມີຄວາມລຳອຽງໜ້ອຍທີ່ສຸດ, ແລະ ມີຈັນຍາບັນເທົ່າທີ່ເປັນໄປໄດ້.

ທ່ານຄິດແນວໃດ?

ເວັບໄຊທ໌ນີ້ໃຊ້ Akismet ເພື່ອຫຼຸດຜ່ອນການຂີ້ເຫຍື້ອ. ຮຽນຮູ້ວິທີທີ່ຂໍ້ມູນຂອງທ່ານຖືກປະຕິບັດ.