新闻 news
您现在的位置:首页 > 新闻 > 您的创业公司是否负责任地使用AI?

新闻

视频聊天聚会带来欢乐时光,生活在庇护的门后 视频聊天聚会带来欢乐时光,生活在庇护的门后

  人类确实是一群惊人的韧性。 尽管在佛罗里达海滩上举行聚会的偷偷摸摸的人肆意冒着将冠状病毒传...

  • “煤矿里的金丝雀”:西雅图营销技术初创公司Amplero...

      Amplero的前途一片光明。这家西雅图营销技术初创公司以积极的势头进入2020年,并计划将其收入增加近三倍。 但是随后发生了COVID-19疫情,经济陷入停滞。 Amplero的客户渠道突然枯竭。现在,该公司正...

  • 首席执行官表示,随着美国关闭,StockX的业务蓬勃发展

      StockX是一个高速发展的转售市场,连接着运动鞋,街头服装,手袋和其他可收藏物品的买卖双方,其财富随着价值60亿美元的全球运动鞋转售市场一起增长,而后者是更广泛的1000亿美元运动鞋类别的一部分。...

  • Zyl重现旧照片以创建协作故事

      法国初创公司Zyl发布了适用于iOS和Android的移动应用程序的重大更新。该应用程序旨在查找照片库中重要生活事件的被遗忘的回忆。 Zyl会扫描您的照片库,并神奇地找到重要的照片。每天,应用程序都会...

财经

杭州商务局总经济师武长虹:未来5年培育10家独角兽企业 杭州商务局总经济师武长虹:未来5年培育10家独角兽...

【亿邦原创】4月27日消息,在2023中国(杭州)新电商大会开幕式上,杭州市商务局总经济师武长虹发表了题...

  • 伊丽莎白·沃伦(Elizabeth Warren)担任总统,为其20...

      民主党参议员伊丽莎白·沃伦(Elizabeth Warren)可能已经结束了她的2020年总统大选,但用于推动她竞选的技术将继续存在。 她的员工成员宣布,他们将公开公开展示沃伦为成为民主党总统候选人而开发的顶...

  • 看来布兰登·米道(Brandon Middaugh)正领导着$ 1B的...

      今年早些时候,微软提出了一项最雄心勃勃,范围广泛的战略来减少公司运营的碳排放量,从而在企业界引起了轰动。 该计划的一部分是一个10亿美元的基金,该基金将投资于减缓气候变化的技术,特别是针...

  • 英国科技产业组建Code4COVID.org以抗击冠状病毒危机

      由英国基层技术倡议组织组成的联盟已经聚集在一起,以协调支持英国应对冠状病毒的关键技术人员群体。 COVID19技术响应(CTR)旨在协调可用技术人才的供应;处理需要解决的问题以及两者的匹配。到目前为...

商业

视频聊天聚会带来欢乐时光,生活在庇护的门后 视频聊天聚会带来欢乐时光,生活在庇护的门后

  人类确实是一群惊人的韧性。 尽管在佛罗里达海滩上举行聚会的偷偷摸摸的人肆意冒着将冠状病毒传...

  • “煤矿里的金丝雀”:西雅图营销技术初创公司Amplero...

      Amplero的前途一片光明。这家西雅图营销技术初创公司以积极的势头进入2020年,并计划将其收入增加近三倍。 但是随后发生了COVID-19疫情,经济陷入停滞。 Amplero的客户渠道突然枯竭。现在,该公司正...

  • 首席执行官表示,随着美国关闭,StockX的业务蓬勃发展

      StockX是一个高速发展的转售市场,连接着运动鞋,街头服装,手袋和其他可收藏物品的买卖双方,其财富随着价值60亿美元的全球运动鞋转售市场一起增长,而后者是更广泛的1000亿美元运动鞋类别的一部分。...

  • Zyl重现旧照片以创建协作故事

      法国初创公司Zyl发布了适用于iOS和Android的移动应用程序的重大更新。该应用程序旨在查找照片库中重要生活事件的被遗忘的回忆。 Zyl会扫描您的照片库,并神奇地找到重要的照片。每天,应用程序都会...

您的创业公司是否负责任地使用AI?

发布时间:2020/02/10 新闻 浏览:744

 
自从他们开始利用这项技术以来,科技公司就因不道德地使用人工智能而受到众多指责。
一个例子来自Alphabet的Google,该公司创建了一种仇恨语音检测算法,该算法为非裔美国人的语音分配了比白人高的“毒性分数”。华盛顿大学的研究人员分析了数千条被该算法视为“令人反感”或“令人讨厌”的推文的数据库,发现黑色对齐的英语更有可能被标记为仇恨言论。
这是AI算法产生的无数种偏差之一。可以理解,这些问题引起了很多关注。伦理和偏见的对话已成为AI近期的主题之一。
各行业的组织和参与者都在进行研究,以通过公平,问责制透明和道德(FATE)消除偏见。然而,仅专注于模型架构和工程的研究必然会产生有限的结果。那么,您该如何解决呢?
解决关于消除AI偏见的误解
修复模型是不够的,因为这不是根本原因所在。为了找出哪些措施可以产生更好的结果,我们必须首先了解真正的原因。然后,我们可以通过研究在现实世界中为解决此类偏见所做的工作来寻找潜在的解决方案。
AI模型是通过研究模式并从历史数据中识别洞察力来学习的。但是人类历史(以及我们的现在)远非完美。因此,这些模型最终模仿并放大了用于训练它们的数据中的偏差也就不足为奇了。
这对我们所有人都相当清楚。但是,我们如何处理我们这个世界上固有的偏见?
我们注入偏见来对抗偏见。当我们认为某个社区或一部分人口可能处于不利地位时,我们避免仅根据过去的情况得出结论。有时,我们会更进一步,并进行包含以提供此类细分市场的机会。这是扭转趋势的一小步。
这是我们在讲授模型时必须采取的步骤。那么,我们如何注入人类偏见来对抗模型固有的“学习”偏见?这是实现此目的的一些步骤。