אַי עטיקס שאַקינג התגלות אַז טראַינינג אַי צו זיין טאַקסיק אָדער בייאַסט קען זיין וווילטויק, אַרייַנגערעכנט פֿאַר די אָטאַנאַמאַס זיך-דרייווינג קאַרס

דאָ איז אַן אַלט שורה וואָס איך בין זיכער איר האָט געהערט פריער.

עס נעמט איין צו וויסן איינער.

איר קען נישט פאַרשטיין אַז דאָס איז אַן אויסדרוק וואָס קענען זיין טרייסט צו די פרי 1900 ס און איז יוזשאַוואַלי ינוואָוקט ווען ריפערינג צו ראָנגדוערז (אנדערע ווערייישאַנז פון די קאַטטשפראַסע גיין צוריק ווי צו די 1600 ס). א ביישפיל פון ווי אזוי מען קען נוצן דעם אויסרייד איז דער געדאנק אז אויב מען וויל כאפן א גנב דארף מען נוצן א גנב דערויף. דאָס שאָוקייסיז די באַשטעטיקן אַז עס נעמט איינער צו וויסן איינער. פילע קינאָ און טעלעוויזיע שאָוז האָבן קאַפּיטאַלייזד אויף דעם האַנטיק ביסל פון חכמים חכמה, אָפט שילדערן אַז די בלויז ווייאַבאַל מיטל צו כאַפּן אַ טשודאַק ינקלודז דינגען אַן גלייך פאַרדאָרבן טשודאַק צו נאָכגיין די אומרעכט.

שיפטינג גירז, עטלעכע קען ליווערידזש די זעלבע לאָגיק צו טענהן אַז אַ פּאַסיק וועג צו דערקענען צי עמעצער ימבאַדיז יבעריק בייאַסיז און דיסקרימינאַטאָרי ביליפס וואָלט זיין צו געפֿינען עמעצער וואָס שוין כאַרבערז אַזאַ טענדאַנסיז. מיסטאָמע, אַ מענטש שוין אָנגעפילט מיט פאָרורטיילז וועט זיין ביכולת צו פילן גרינגער אַז דער אנדערע מענטש איז אויך אָנגעפילט מיט טאַקסיסאַטי. ווידער, עס נעמט איינער צו וויסן אַז איינער איז די אַוווידיד מאַנטראַ.

דיין ערשט אָפּרוף צו די מעגלעכקייט פון ניצן אַ בייאַסט מענטש צו ויסמיידן אן אנדער בייאַסט מענטש קען זיין איינער פון סקעפּטיסיזאַם און דיסבאַליוו. קענען מיר נישט רעכענען אויס צי עמעצער האלט אַנפּריטענשאַס פאָרורטייל בלויז דורך ונטערזוכן זיי און ניט האָבן צו ריזאָרט צו געפֿינען עמעצער אַנדערש פון אַ ענלעך נאַטור? עס וואָלט ויסקומען מאָדנע צו פּערפּאַסלי זוכן צו אַנטדעקן עמעצער וואָס איז בייאַסט אין סדר צו ופדעקן אנדערע וואָס זענען אויך טאַקסיק בייאַסט.

איך טרעפן עס טייל דעפּענדס אויף צי איר זענט גרייט צו אָננעמען די פּרעסומפּטיווע רעפרען אַז עס נעמט איינער צו וויסן איינער. באַמערקונג אַז דאָס טוט נישט פֿאָרשלאָגן אַז דער בלויז וועג צו כאַפּן אַ גנב ריקווייערז אַז איר אויסשליסלעך און שטענדיק נוצן אַ גנב. איר קען ריזאַנאַבלי טענהן אַז דאָס איז בלויז אַן צוגעלייגט וועג וואָס קענען זיין קאַנסידערד רעכט. אפֿשר איר מאל איר זענט גרייט צו פאַרווייַלן די מעגלעכקייט פון ניצן אַ גנב צו כאַפּן אַ גנב, בשעת אנדערע צושטאנדן קען מאַכן דעם אַ אַנפאַכאַבאַל טאַקטיק.

ניצן די רעכט געצייַג פֿאַר די רעכט באַשטעטיקן, ווי זיי זאָגן.

איצט אַז איך האָבן געלייגט די פאַנדאַמענטאַלז, מיר קענען גיינ ווייַטער אין די טאָמער ונערווינג און כלומרשט שאַקינג טייל פון דעם מייַסע.

זענט איר גרייט?

די פעלד פון אַי איז אַקטיוולי פּערסוינג די זעלבע פּסאַק אַז עס מאל נעמט איינער צו וויסן איינער, ספּעציעל אין דעם פאַל פון טריינג צו ויסמיידן אַי וואָס איז בייאַסט אָדער אַקטינג אין אַ דיסקרימינאַטאָרי שטייגער. יאָ, די מיינונג-בענדינג געדאַנק איז אַז מיר זאלן פּערסנאַלי ווילן צו פּלאַן אַי וואָס איז גאָר און אַנבאַשעדלי בייאַסט און דיסקרימינאַטאָרי, טאן אַזוי צו נוצן דעם ווי אַ מיטל צו אַנטדעקן און ופדעקן אנדערע אַי וואָס האט די זעלבע סימבאַלאַנס פון טאַקסיסאַטי. ווי איר וועט זען אין אַ מאָמענט, עס זענען אַ פאַרשיידנקייַט פון ומבאַקוועם AI Ethics ישוז אונטער דעם ענין. פֿאַר מיין קוילעלדיק אָנגאָינג און ברייט קאַווערידזש פון אַי עטיקס און עטישע אַי, זען די לינק דאָ און די לינק דאָ, נאָר צו נאָמען אַ ביסל.

איך טרעפן איר קען אויסדריקן דעם נוצן פון טאַקסיק אַי צו גיין נאָך אנדערע טאַקסיק אַי ווי די פּראַווערביאַל פייטינג פייער-מיט-פייַער פאָרשטעלונג (מיר קענען ינוואָוק אַ פּלאַץ פון יופעמיסם און ילאַסטראַטיוו מעטאַפאָרז צו ויסמאָלן דעם סיטואַציע). אָדער, ווי שוין אונטערגעשטראכן, מיר זאלן שפּאָרעוודיק אָפּשיקן צו די טענה אַז עס דאַרף איינער צו וויסן איינער.

די אָווועראַרטשינג באַגריף איז אַז אלא ווי בלויז טריינג צו רעכענען צי אַ געגעבן אַי סיסטעם כּולל יבעריק בייאַסיז דורך ניצן קאַנווענשאַנאַל מעטהאָדס, אפֿשר מיר זאָל זוכן צו נוצן ווייניקער קאַנווענשאַנאַל מיטלען אויך. איין אַזאַ אַנקאַנווענשאַנאַל מיטל וואָלט זיין צו אַנטוויקלען אַי וואָס כּולל אַלע די ערגסט בייאַסיז און סאָסיעטאַלי אַנאַקסעפּטאַבאַל טאַקסיסאַטיז און דערנאָך נוצן דעם אַי צו העלפֿן צו ויסמיידן אנדערע אַי וואָס האָבן די זעלבע פּראַפּענסיטיעס פון שלעכטס.

ווען איר געבן דעם אַ שנעל געדאַנק, עס אַוואַדע אויס צו זיין בישליימעס פיליק. מיר קען צילן צו בויען אַי וואָס איז טאַקסיק צו די מאַקסימום. דער טאַקסיק אַי איז דעמאָלט געניצט צו פאַררעטירן אנדערע אַי וואָס אויך האט טאַקסיסאַטי. פֿאַר די דעמאָלט אנטפלעקט "שלעכט" אַי, מיר קענען האַנדלען מיט עס דורך אָדער ופמאַכן די טאַקסיסאַטי, דיטשינג די אַי אין גאנצן (זען מיין קאַווערידזש פון אַי דיגאָרדזשמאַנט אָדער צעשטערונג אין דעם לינק דאָ), אָדער ימפּריזאַנינג די אַי (זען מיין קאַווערידזש פון אַי קאַנפיינמאַנט בייַ דעם לינק דאָ), אָדער טאָן וואָס אַנדערש מיינט אָנווענדלעך צו טאָן.

א קאַונטעראַרגומענט איז אַז מיר זאָל האָבן אונדזער קעפ יגזאַמאַנד אַז מיר זענען בעקיוון און גערן דיווייזינג אַי וואָס איז טאַקסיק און אָנגעפילט מיט בייאַסיז. דאָס איז די לעצטע זאַך וואָס מיר זאָל טאָמיד באַטראַכטן, עטלעכע וואָלט רעקאָמענדירן. פאָקוס אויף מאכן אַי קאַנסיסטינג גאָר פון גוטסקייט. דו זאלסט נישט פאָקוס אויף דיווייזינג אַי וואָס האט די יוואַלז און דרעגס פון יבעריק בייאַסיז. די עצם געדאַנק פון אַזאַ אַ יאָג סימז ריפּאַלסיוו פֿאַר עטלעכע.

עס זענען מער דיסאַדוואַנטידזשיז וועגן דעם קאָנטראָווערסיאַל זוכן.

אפֿשר אַ מיסיע פון ​​דיווייזינג טאַקסיק אַי וועט נאָר ימפּרוווד די וואס ווילן צו מאַכן אַי וואָס איז ביכולת צו אַנדערקאַט געזעלשאַפט. עס איז ווי אויב מיר זאָגן אַז קראַפטינג אַי וואָס האט ינאַפּראָופּרייט און אַנסאַוואָרי בייאַסיז איז בישליימעס פייַן. קיין זאָרג, קיין כעזאַטיישאַן. זוכן צו אַנטוויקלען טאַקסיק אַי צו דיין האַרץ ס אינהאַלט, מיר זענען הילכיק קאַנווייינג צו אַי בילדערז איבער דער וועלט. עס איז (ווינק-ווינק) אַלע אין די נאָמען פון גוטסקייט.

דערצו, רעכן דעם טאַקסיק אַי מין פון קאַטשאַז אויף. עס קען זיין אַז די אַי איז געניצט און ריוזד דורך פילע אנדערע אַי בילדערז. יווענטשאַוואַלי, די טאַקסיק אַי איז פאַרבאָרגן אין אַלע שטייגער פון אַי סיסטעמען. אַן אַנאַלאַדזשי קען זיין געמאכט צו דיווייזינג אַ מענטש-ונדערמיינינג ווירוס וואָס יסקייפּס פון אַ מאַשמאָעס געחתמעט לאַבאָראַטאָריע. דער ווייַטער זאַך איר וויסן, די פאַרשילטן זאַך איז אומעטום און מיר האָבן אפגעווישט זיך.

ווארט נאך א צווייטע, דער קאנטער צו די קאנטערארגומענטן גייט, דו לויפט מיט אלערליי משוגעים און אומגעשטיצטע השערות. נעמען אַ טיף אָטעם. רויק זיך.

מיר קענען בעשאָלעם מאַכן אַי וואָס איז טאַקסיק און האַלטן עס קאַנפיינד. מיר קענען נוצן די טאַקסיק אַי צו געפֿינען און אַרוישעלפן אין רידוסינג די ינקריסינג פּרעוואַלאַנס פון אַי וואָס ליידער האט יבעריק בייאַסיז. יעדער אנדערער פון די אומגעפערליכע ווילדע און אומבאשטענדליכע שניי-אויסרופן זענען ריין ריינע ריאקציעס און באדויערן נאריש און ממש נאריש. דו זאלסט נישט פּרובירן צו וואַרפן אויס די בעיבי מיט די וואַנע וואַסער, איר זענט פאָרוואָרנד.

טראַכטן אַזוי, די פּראַפּאָונאַנץ טענהן. די געהעריק בנין און נוצן פון טאַקסיק אַי פֿאַר פאָרשונג, אַססעססמענט און אַקטינג ווי אַ דעטעקטיוו צו ופדעקן אנדערע סאָושאַלי אַפענסיוו אַי איז אַ ווערט צוגאַנג און זאָל באַקומען אַ שיין טרייסלען ביי זיין פּערסוד. שטעלן באַזונדער דיין ויסשיט ריאַקשאַנז. קום אַראָפּ צו ערד און קוק אויף דעם ניכטער. אונדזער אויג איז אויף די פרייז, ניימלי יקספּאָוזינג און ופמאַכן די גלוט פון בייאַסט-באזירט אַי סיסטעמען און מאַכן זיכער אַז מיר ווי אַ געזעלשאַפט זענען נישט אָוווערריינד מיט טאַקסיק אַי.

פּעריאָד. גאַנץ האַלטן.

עס זענען פאַרשידן קייסטאָון וועגן צו דעלוו אין דעם געדאַנק פון ניצן טאַקסיק אָדער בייאַסט אַי פֿאַר וווילטויק צוועקן, אַרייַנגערעכנט:

• סעטאַפּ דאַטאַסעץ וואָס בעקיוון אַנטהאַלטן בייאַסט און גאַנץ טאַקסיק דאַטן וואָס קענען זיין געוויינט פֿאַר טריינינג אַי וועגן וואָס ניט צו טאָן און / אָדער וואָס צו היטן פֿאַר
• ניצן אַזאַ דאַטאַסעץ צו באַן מאַשין לערנען (ML) און Deep Learning (DL) מאָדעלס וועגן דיטעקטינג בייאַסיז און פיגורינג אויס קאַמפּיוטיישאַנאַל פּאַטערנז וואָס ינטיילז סאָסיעטאַל טאַקסיסאַטי
• אָנווענדן די טאַקסיסאַטי טריינד ML / DL צו אנדערע אַי צו באַשטימען צי די טאַרגעטעד אַי איז פּאַטענטשאַלי בייאַסט און טאַקסיק
• מאַכן בנימצא טאַקסיסאַטי טריינד ML / DL צו וויטרינע צו AI בילדערז וואָס צו היטן זיך פֿאַר אַזוי זיי קענען גרינג דורכקוקן מאָדעלס צו זען ווי אַלגערידאַמיקאַל בייאַסאַז אויפשטיין
• ביישפילן די דיינדזשערז פון טאַקסיק אַי ווי אַ טייל פון אַי עטיקס און עטישע אַי וויסיקייַט אַלע דערציילט דורך דעם פּראָבלעם-קינד שלעכט-צו-דעם-ביין אַי סעריע פון ​​​​עקסעמפּלערז
• אַנדערער

איידער איר באַקומען אין די פלייש פון די עטלעכע פּאַטס, לאָזן אונדז פאַרלייגן עטלעכע נאָך יסודות.

איר קען זיין וויזשוואַלי אַווער אַז איינער פון די לאָודעסט קולות די טעג אין די אַי פעלד און אפילו אַרויס די פעלד פון אַי באשטייט פון קלאַמערינג פֿאַר אַ גרעסערע סימבאַלאַנס פון עטישע אַי. לאָמיר נעמען אַ קוק אין וואָס עס מיטל צו אָפּשיקן צו AI Ethics און Ethical AI. אויף שפּיץ פון דעם, מיר קענען שטעלן די בינע דורך ויספאָרשן וואָס איך מיינען ווען איך רעדן פון מאַשין לערנען און טיף לערנען.

איין באַזונדער אָפּשניט אָדער טייל פון אַי עטיקס וואָס איז געווען אַ פּלאַץ פון מעדיע ופמערקזאַמקייט באשטייט פון אַי וואָס יגזיבאַץ ומנייטיק בייאַסיז און יניקאַטיז. איר קען זיין אַווער אַז ווען די לעצטע תקופה פון אַי איז געווען אַנדערוויי, עס איז געווען אַ ריזיק פּלאַצן פון ענטוזיאַזם פֿאַר וואָס עטלעכע איצט רופן אַי פֿאַר גוט. צום באַדויערן, אויף די כילז פון אַז גאַשינג יקסייטמאַנט, מיר אנגעהויבן צו עדות אַי פֿאַר שלעכט. פֿאַר בייַשפּיל, פאַרשידן אַי-באזירט פאַסיאַל דערקענונג סיסטעמען זענען אנטפלעקט מיט ראַסיש פאָרורטיילז און דזשענדער בייאַסאַז, וואָס איך האָבן דיסקאַסט אין די לינק דאָ.

השתדלות צו קעמפן צוריק קעגן אַי פֿאַר שלעכט זענען אַקטיוולי אַנדערוויי. אַחוץ וואָכעדיק לעגאַל פּערסוץ פון ריינדזשינג אין די אומרעכט, עס איז אויך אַ סאַבסטאַנטיוו שטופּן צו אַרומנעמען אַי עטיקס צו ויסמיידן די אַי ווילענעסס. דער געדאַנק איז אַז מיר זאָל אַדאַפּט און שטיצן שליסל עטישע אַי פּרינסאַפּאַלז פֿאַר דער אַנטוויקלונג און פיעלדינג פון אַי צו אַנדערקאַט די אַי פֿאַר שלעכט און סיימאַלטייניאַסלי כעראַלדינג און פּראַמאָוטינג די בילכער אַי פֿאַר גוט.

אויף אַ פֿאַרבונדענע געדאַנק, איך בין אַ אַדוואָקאַט פון טריינג צו נוצן אַי ווי אַ טייל פון די לייזונג צו אַי וואָעס, פייטינג פייַער מיט פייַער אין דעם שטייגער פון טראכטן. מיר קענען, למשל, אַרייַנלייגן עטישע אַי קאַמפּאָונאַנץ אין אַן אַי סיסטעם וואָס וועט מאָניטאָר ווי די רעשט פון די אַי איז טאן טינגז און אַזוי פּאַטענטשאַלי כאַפּן אין פאַקטיש-צייט קיין דיסקרימינאַטאָרי השתדלות, זען מיין דיסקוסיע אין די לינק דאָ. מיר קען אויך האָבן אַ באַזונדער אַי סיסטעם וואָס אַקט ווי אַ טיפּ פון אַי עטיקס מאָניטאָר. די אַי סיסטעם סערוועס ווי אַן אָוווערסי צו שפּור און דעטעקט ווען אן אנדער אַי איז געגאנגען אין די אַנעטיקאַל תהום (זען מיין אַנאַליסיס פון אַזאַ קייפּאַבילאַטיז אין די לינק דאָ).

אין אַ מאָמענט, איך וועט טיילן מיט איר עטלעכע אָווועראַרטשינג פּרינסאַפּאַלז אַנדערלייינג אַי עטיקס. עס זענען פילע פון ​​​​די מינים פון רשימות פלאָוטינג אַרום דאָ און דאָרט. איר קען זאָגן אַז עס איז נאָך נישט אַ יינציק רשימה פון וניווערסאַל אַפּעלירן און קאַנקעראַנס. דאָס איז די נעבעך נייַעס. די גוטע נייַעס איז אַז אין מינדסטער עס זענען גרינג בנימצא AI Ethics רשימות און זיי טענד צו זיין גאַנץ ענלעך. אַלע געזאָגט, דאָס סאַגדזשעסץ אַז דורך אַ פאָרעם פון ריזאַנדיד קאַנווערדזשאַנס פון סאָרץ אַז מיר געפֿינען אונדזער וועג צו אַ גענעראַל קאַמאַנליטי פון וואָס אַי עטיקס באשטייט פון.

ערשטער, לאָזן אונדז בעקיצער דעקן עטלעכע פון ​​​​די קוילעלדיק עטישע אַי פּראַפּאָוזאַלז צו אילוסטרירן וואָס זאָל זיין אַ וויטאַל באַטראַכטונג פֿאַר ווער עס יז קראַפטינג, פיעלדינג אָדער ניצן אַי.

פֿאַר בייַשפּיל, ווי סטייטיד דורך די וואַטיקאַן אין די רוים רופן פֿאַר אַי עטיקס און ווי איך'ווע באדעקט אין-טיפקייַט בייַ די לינק דאָ, דאָס זענען זייער יידענאַפייד זעקס ערשטיק אַי עטיקס פּרינסאַפּאַלז:

• Transparency: אין פּרינציפּ, אַי סיסטעמען מוזן זיין דערקלערט
• ינקלוזשאַן: די באדערפענישן פון אַלע מענטשן מוזן זיין גענומען אין באַטראַכטונג אַזוי אַז אַלעמען קענען נוץ, און אַלע יחידים קענען זיין געפֿינט די בעסטער מעגלעך טנאָים צו אויסדריקן זיך און אַנטוויקלען
• Responsibility: יענע וואָס פּלאַן און צעוויקלען די נוצן פון אַי מוזן פאָרזעצן מיט פֿאַראַנטוואָרטלעכקייט און דורכזעיקייַט
• ימפּאַרטיאַליטי: דו זאלסט נישט מאַכן אָדער האַנדלען לויט פאָרורטייל, אַזוי באַוואָרעניש יוישער און מענטש כשיוועס
• רעליאַביליטי: אַי סיסטעמען מוזן קענען צו אַרבעטן רילייאַבלי
• זיכערהייט און פּריוואַטקייט: אַי סיסטעמען מוזן אַרבעטן סיקיורלי און אָנערקענען די פּריוואַטקייט פון יוזערז.

ווי סטייטיד דורך די יו דעפּאַרטמענט פון דיפענס (דאָד) אין זייער עטישע פּרינסאַפּאַלז פֿאַר די נוצן פון קינסטלעך סייכל און ווי איך'ווע באדעקט אין-טיפקייַט בייַ די לינק דאָ, דאָס זענען זייער זעקס ערשטיק אַי עטיקס פּרינסאַפּאַלז:

• פאַראַנטוואָרטלעך: דאָד פּערסאַנעל וועט געניטונג צונעמען לעוועלס פון משפט און זאָרג בשעת זיי בלייבן פאַראַנטוואָרטלעך פֿאַר דער אַנטוויקלונג, דיפּלוימאַנט און נוצן פון אַי קייפּאַבילאַטיז.
• גלייך: די דעפּאַרטמענט וועט נעמען דיליבראַט סטעפּס צו מינאַמייז אַנינטענדיד פאָרורטייל אין אַי קייפּאַבילאַטיז.
• טרייסאַבאַל: די אַי קייפּאַבילאַטיז פון די דעפּאַרטמענט וועט זיין דעוועלאָפּעד און דיפּלויד אַזוי אַז באַטייַטיק פּערסאַנעל פארמאגט אַ צונעמען פארשטאנד פון די טעכנאָלאָגיע, אַנטוויקלונג פּראַסעסאַז און אַפּעריישאַנאַל מעטהאָדס אָנווענדלעך צו אַי קייפּאַבילאַטיז, אַרייַנגערעכנט טראַנספּעראַנט און אַדיטאַבאַל מעטאַדאַלאַדזשיז, דאַטן קוואלן, און פּלאַן פּראָצעדור און דאַקיומענטיישאַן.
• פאַרלאָזלעך: די אַי קייפּאַבילאַטיז פון די דעפּאַרטמענט וועט האָבן יקספּליסאַט, געזונט-דיפיינד נוצן, און די זיכערקייַט, זיכערהייט און יפעקטיוונאַס פון אַזאַ קייפּאַבילאַטיז וועט זיין אונטערטעניק צו טעסטינג און פארזיכערונג אין די דיפיינד נוצן אין זייער גאַנץ לעבן סייקאַלז.
• גאַווערנאַבלע: די דעפּאַרטמענט וועט פּלאַן און ינזשעניר אַי קייפּאַבילאַטיז צו מקיים זייער בדעה פאַנגקשאַנז, בשעת די פיייקייט צו דעטעקט און ויסמיידן אַנינטענדיד קאַנסאַקווענסאַז, און די פיייקייט צו דיסענגיידזש אָדער דיאַקטיווייט דיפּלויד סיסטעמען וואָס באַווייַזן אַנינטענדיד נאַטור.

איך האָב אויך דיסקאַסט פאַרשידן קאָלעקטיוו אַנאַליזעס פון אַי עטיקס פּרינסאַפּאַלז, אַרייַנגערעכנט איך האָבן באדעקט אַ גאַנג דיזיינד דורך ריסערטשערז וואָס יגזאַמאַנד און קאַנדענסט די עסאַנס פון פילע נאציאנאלע און אינטערנאציאנאלע אַי עטיקס טענעץ אין אַ פּאַפּיר ענטייטאַלד "די גלאבאלע לאַנדשאַפט פון אַי עטיקס גיידליינז" (ארויס. אין נאַטור), און אַז מיין קאַווערידזש יקספּלאָרז אין די לינק דאָ, וואָס געפירט צו דעם קייסטאָנע רשימה:

• דורכזעיקייַט
• יושר & יושר
• ניט-מאַלעפיסענסע
• אַכרייַעס
• אַליינקייַט
• בענעפיסענסע
• פרייהייט & אויטאָנאָמיע
• צוטרוי
• סאַסטיינאַביליטי
• כשיוועס
• סאָלידאַרישקייַט

ווי איר קען גלייך טרעפן, טריינג צו שטעלן די ספּיסיפיקס אונטער די פּרינסאַפּאַלז קענען זיין גאָר שווער צו טאָן. אפילו מער אַזוי, די מי צו ווענדן די ברייט פּרינסאַפּאַלז אין עפּעס גאָר מאַמאָשעסדיק און דיטיילד גענוג צו זיין געוויינט ווען קראַפטינג אַי סיסטעמען איז אויך אַ שווער נוס צו פּלאַצן. אין אַלגעמיין, עס איז גרינג צו טאָן עטלעכע האַנט-וואַווינג וועגן וואָס אַי עטיקס פּריסעפּטערז זענען און ווי זיי זאָל זיין בכלל באמערקט, בשעת עס איז אַ פיל מער קאָמפּליצירט סיטואַציע אין די אַי קאָודינג צו זיין די אמת גומע וואָס טרעפן די וועג.

די פּרינסאַפּאַלז פון אַי עטיקס זענען צו זיין יוטאַלייזד דורך אַי דעוועלאָפּערס, צוזאַמען מיט די וואָס פירן אַי אַנטוויקלונג השתדלות, און אפילו יענע וואָס לעסאָף פעלד און דורכפירן וישאַלט אויף אַי סיסטעמען. אַלע סטייקכאָולדערז איבער די גאנצע אַי לעבן ציקל פון אַנטוויקלונג און באַניץ זענען באטראכט אין די פאַרנעם פון אַביידינג דורך די זייַענדיק-געגרינדעט נאָרמז פון עטישע אַי. דאָס איז אַ וויכטיק הויכפּונקט זינט די געוויינטלעך האַשאָרע איז אַז "בלויז קאָדערס" אָדער יענע וואָס פּראָגראַם די אַי זענען אונטערטעניק צו אַדכירינג צו די אַי עטיקס. ווי פריער געזאגט, עס נעמט אַ דאָרף צו פּלאַן און פעלד אַי, און פֿאַר וואָס די גאנצע דאָרף מוזן זיין ווערסט אין און האַלטן דורך אַי עטיקס.

לאָמיר אויך מאַכן זיכער אַז מיר זענען אויף דער זעלביקער בלאַט וועגן די נאַטור פון הייַנט ס אַי.

עס איז ניט קיין אַי הייַנט וואָס איז סענסיענט. מיר טאָן ניט האָבן דעם. מיר טאָן ניט וויסן אויב סענטיענט אַי וועט זיין מעגלעך. קיינער קען נישט פאָרויסזאָגן צי מיר וועלן דערגרייכן סענטיענט אַי, אדער צי סענטיענט אַי וועט עפעס מעראַקיאַלאַסלי ספּאַנטייניאַסלי אויפשטיין אין אַ פאָרעם פון קאַמפּיוטיישאַנאַל קאַגניטיוו סופּערנאָוואַ (יוזשאַוואַלי ריפערד צו ווי די סינגולאַריטי, זען מיין קאַווערידזש אין די לינק דאָ).

דער טיפּ פון אַי וואָס איך פאָקוס אויף באשטייט פון די ניט-סענטיענט אַי וואָס מיר האָבן הייַנט. אויב מיר געוואלט צו ווילד ספּעקולירן וועגן סענטימענט אַי, די דיסקוסיע קען גיין אין אַ ראַדיקאַלי אַנדערש ריכטונג. א סענטיענט אַי וואָלט סאַפּאָוזאַדלי זיין פון מענטש קוואַליטעט. איר וואָלט דאַרפֿן צו באַטראַכטן אַז די סענטיענט אַי איז דער קאַגניטיוו עקוויוואַלענט פון אַ מענטש. מער אַזוי, זינט עטלעכע ספּעקולירן אַז מיר קען האָבן סופּער-ינטעליגענט אַי, עס איז קאַנסיוואַבאַל אַז אַזאַ אַי קען סוף אַרויף זיין סמאַרטער ווי יומאַנז (פֿאַר מיין עקספּלעריישאַן פון סופּער-ינטעליגענט אַי ווי אַ מעגלעכקייט, זען די קאַווערידזש דאָ).

לאָמיר האַלטן די טינגז מער אַראָפּ צו ערד און באַטראַכטן הייַנט ס קאַמפּיוטיישאַנאַל ניט-סענטיענט אַי.

פאַרשטיין אַז הייַנט ס אַי איז נישט ביכולת צו "טראַכטן" אין קיין מאָדע אין פּאַר מיט מענטשלעך טראכטן. ווען איר ינטעראַקט מיט Alexa אָדער Siri, די קאַנווערסיישאַנאַל קייפּאַבילאַטיז קען ויסקומען ענלעך צו מענטשלעך קייפּאַבילאַטיז, אָבער די פאַקט איז אַז עס איז קאַמפּיוטיישאַנאַל און פעלן מענטש דערקענונג. די לעצטע תקופה פון אַי האט אַ ברייט נוצן פון מאַשין לערנען (ML) און דיפּ לערנען (DL), וואָס ליווערידזש קאַמפּיוטיישאַנאַל מוסטער וואָס ריכטן זיך. דאָס האָט געפֿירט צו אַי סיסטעמען וואָס האָבן די אויסזען פון מענטש-ווי פּראָקליוואַטיז. דערווייַל, עס איז נישט קיין אַי הייַנט וואָס האט אַ סימבאַלאַנס פון סייכל און אויך קיין פון די קאַגניטיוו וואַנדערמאַנט פון געזונט מענטש טראכטן.

ML / DL איז אַ פאָרעם פון קאַמפּיוטיישאַנאַל מוסטער וואָס ריכטן זיך. דער געוויינטלעך צוגאַנג איז אַז איר אַסעמבאַל דאַטן וועגן אַ באַשלוס-מאכן אַרבעט. איר קאָרמען די דאַטן אין די ML ​​/ DL קאָמפּיוטער מאָדעלס. די מאָדעלס זוכן צו געפֿינען מאַטאַמאַטיקאַל פּאַטערנז. נאָך געפונען אַזאַ פּאַטערנז, אויב אַזוי געפֿונען, די אַי סיסטעם וועט נוצן די פּאַטערנז ווען איר טרעפן נייַע דאַטן. אויף די פּרעזענטירונג פון נייַע דאַטן, די פּאַטערנז באזירט אויף די "אַלט" אָדער היסטארישע דאַטן זענען געווענדט צו מאַכן אַ קראַנט באַשלוס.

איך טראַכטן איר קענען טרעפן ווו דאָס איז כעדינג. אויב יומאַנז וואָס האָבן געמאכט די מוסטערד אויף דיסיזשאַנז האָבן ינקאָרפּערייטיד ומנייטיק בייאַסיז, ​​די שאַנסן זענען אַז די דאַטן ריפלעקס דאָס אין סאַטאַל אָבער באַטייַטיק וועגן. מאַטטשינג פון מאַשין לערנען אָדער טיף לערנען קאַמפּיוטיישאַנאַל מוסטער וועט פשוט פּרובירן צו מאַטאַמאַטיקאַללי נאָכקרימען די דאַטן אַקאָרדינגלי. עס איז קיין סימבאַלאַנס פון סייכל אָדער אנדערע סענטיענט אַספּעקץ פון אַי-קראַפטעד מאָדעלינג פּער סיי.

דערצו, די אַי דעוועלאָפּערס קען נישט פאַרשטיין וואָס איז געשעעניש. די אַרקיין מאטעמאטיק אין די ML ​​/ DL קען מאַכן עס שווער צו ויסמיידן די איצט פאַרבאָרגן בייאַסיז. איר וואָלט רייטפאַלי האָפֿן און דערוואַרטן אַז די אַי דעוועלאָפּערס וועלן פּרובירן פֿאַר די פּאַטענטשאַלי מקבר געווען בייאַסיז, ​​כאָטש דאָס איז טריקיער ווי עס קען ויסקומען. עס איז אַ האַרט געלעגנהייַט אַז אפילו מיט לעפיערעך ברייט טעסטינג, עס וועט זיין בייאַסיז נאָך עמבעדיד אין די מוסטער וואָס ריכטן מאָדעלס פון די ML ​​/ DL.

איר קען אַ ביסל נוצן די באַרימט אָדער פאַרנאַנט אַדאַגע פון ​​מיסט-אין מיסט-אויס. די זאַך איז אַז דאָס איז מער ענלעך צו בייאַסיז-אין וואָס ינסידיאַסלי באַקומען ינפיוזד ווי בייאַסיז סאַבמערדזשד אין די אַי. די אַלגערידאַם באַשלוס-מאכן (ADM) פון אַי אַקסיאָמאַטיקאַללי ווערט לאָודיד מיט יניקאַטיז.

נישט גוט.

וואָס אַנדערש קענען זיין געטאן וועגן אַלע דעם?

לאָמיר צוריקקומען צו די פריער פּאָזיטיד רשימה פון ווי צו פּרובירן און קאָפּע מיט אַי בייאַסאַז אָדער טאַקסיק אַי דורך ניצן אַ עפּעס אַנקאַנווענשאַנאַל "עס נעמט איינער צו וויסן איינער" צוגאַנג. צוריקרופן אַז די רשימה קאַנסיסטינג פון די יקערדיק פונקטן:

• סעטאַפּ דאַטאַסעץ וואָס בעקיוון אַנטהאַלטן בייאַסט און גאַנץ טאַקסיק דאַטן וואָס קענען זיין געוויינט פֿאַר טריינינג אַי וועגן וואָס ניט צו טאָן און / אָדער וואָס צו היטן פֿאַר
• ניצן אַזאַ דאַטאַסעץ צו באַן מאַשין לערנען (ML) און Deep Learning (DL) מאָדעלס וועגן דיטעקטינג בייאַסיז און פיגורינג אויס קאַמפּיוטיישאַנאַל פּאַטערנז וואָס ינטיילז סאָסיעטאַל טאַקסיסאַטי
• אָנווענדן די טאַקסיסאַטי טריינד ML / DL צו אנדערע אַי צו באַשטימען צי די טאַרגעטעד אַי איז פּאַטענטשאַלי בייאַסט און טאַקסיק
• מאַכן בנימצא טאַקסיסאַטי טריינד ML / DL צו וויטרינע צו AI בילדערז וואָס צו היטן זיך פֿאַר אַזוי זיי קענען גרינג דורכקוקן מאָדעלס צו זען ווי אַלגערידאַמיקאַל בייאַסאַז אויפשטיין
• ביישפילן די דיינדזשערז פון טאַקסיק אַי ווי אַ טייל פון אַי עטיקס און עטישע אַי וויסיקייַט אַלע דערציילט דורך דעם פּראָבלעם-קינד שלעכט-צו-דעם-ביין סעריע פון ​​​​AI יגזאַמפּאַלז
• אַנדערער

מיר וועלן נעמען אַ נאָענט-אַרויף קוק אין דער ערשטער פון די בולט נקודות.

באַשטעטיקן דאַטאַסעץ פון טאַקסיק דאַטן

אַן ינסייטפאַל ביישפּיל פון טריינג צו פאַרלייגן דאַטאַסעץ וואָס אַנטהאַלטן ומגעלומפּערט סאציאל פאָרורטיילז איז די סיווילקאָממענץ דאַטאַסעט פון די WILDS קוראַטעד זאַמלונג.

ערשטער, עטלעכע שנעל הינטערגרונט.

WILDS איז אַן אָפֿן מקור זאַמלונג פון דאַטאַסעץ וואָס קענען זיין געוויינט פֿאַר טריינינג ML / DL. די ערשטיק סטייטיד ציל פֿאַר WILDS איז אַז עס אַלאַוז אַי דעוועלאָפּערס צו האָבן גרייט אַקסעס צו דאַטן וואָס רעפּראַזענץ פאַרשפּרייטונג שיפץ אין פאַרשידן ספּעציפיש דאָומיינז. עטלעכע פון ​​די דאָומיינז דערווייַל בנימצא אַרייַננעמען געביטן אַזאַ ווי כייַע מינים, טומאָרס אין לעבעדיק געוועבן, ווייץ קאָפּ געדיכטקייַט, און אנדערע דאָומיינז אַזאַ ווי די סיוויל קאָממענץ וואָס איך וועט זיין דיסקרייבינג מאָמענטאַלי.

האַנדלינג מיט פאַרשפּרייטונג שיפץ איז אַ קריטיש טייל פון רעכט קראַפטינג AI ML / DL סיסטעמען. דאָ ס דער אָפּמאַך. מאל די דאַטן איר נוצן פֿאַר טריינינג איז גאַנץ אַנדערש פון די טעסטינג אָדער "אין די ווילד" דאַטן, און אַזוי דיין מאַשמאָעס טריינד ML / DL איז דריפט ווי די פאַקטיש וועלט וועט זיין. קלוג אַי בילדערז זאָל טריינינג זייער ML / DL צו קאָפּע מיט אַזאַ פאַרשפּרייטונג שיפץ. דאָס זאָל זיין געטאן פריער און נישט עפעס זיין אַ יבערראַשן אַז שפּעטער ריקווייערז אַ רעוואַמפּינג פון די ML ​​/ DL פּער סיי.

ווי דערקלערט אין דער צייטונג וואָס ינטראָודוסט WILDS: "דיסטריביושאַן שיפץ - ווו די טריינינג פאַרשפּרייטונג איז אַנדערש פון די פּראָבע פאַרשפּרייטונג - קענען באטייטיק דיגרייד די אַקיעראַסי פון מאַשין לערנען (ML) סיסטעמען דיפּלויד אין די ווילד. טראָץ זייער ומעטומיק אין די פאַקטיש-וועלט דיפּלוימאַנץ, די פאַרשפּרייטונג שיפץ זענען אונטער-רעפּריזענטיד אין די דאַטאַסעץ וויידלי געניצט אין די ML ​​קהל הייַנט. צו אַדרעס דעם ריס, מיר פאָרשטעלן WILDS, אַ קוראַטעד בענטשמאַרק פון 10 דאַטאַסעץ וואָס ריפלעקס אַ דייווערס קייט פון פאַרשפּרייטונג שיפץ וואָס געוויינטלעך שטייען אין פאַקטיש-וועלט אַפּלאַקיישאַנז, אַזאַ ווי שיפץ אַריבער האָספּיטאַלס ​​​​פֿאַר אָנוווקס לעגיטימאַציע; אַריבער אַפּאַראַט טראַפּס פֿאַר וויילדלייף מאָניטאָרינג; און אַריבער צייט און אָרט אין סאַטעליט ימאַגינג און אָרעמקייַט מאַפּינג" (אין דער צייטונג ענטייטאַלד "WILDS: אַ בענטשמאַרק פון די ווילד פאַרשפּרייטונג שיפץ" דורך Pang Wei Koh, Shiori Sagawa, Henrik Marklund, Sang Xie, Marvin Zhang, Ashay Balsubramani , Weihua Hu, און אנדערע).

די נומער פון אַזאַ WILDS דאַטאַסעץ האלט צו פאַרגרעסערן און די נאַטור פון די דאַטאַסעץ איז בכלל ימפּרוווד צו שטיצן די ווערט פון ניצן די דאַטן פֿאַר ML / DL טריינינג.

די סיווילקאָממענץ דאַטאַסעט איז דיסקרייבד אַזוי: "אָטאַמאַטיק רעצענזיע פון ​​באַניצער-דזשענערייטאַד טעקסט - למשל, דיטעקטינג טאַקסיק באַמערקונגען - איז אַ וויכטיק געצייַג פֿאַר מאַדערייטינג די לויטער באַנד פון טעקסט געשריבן אויף דער אינטערנעץ. צום באַדויערן, פריערדיק אַרבעט האט געוויזן אַז אַזאַ טאַקסיסאַטי קלאַססיפיערס קלייַבן בייאַסאַז אין די טריינינג דאַטן און ספּוריאָוסלי פאַרבינדן טאַקסיסאַטי מיט דער דערמאָנען פון זיכער דעמאָגראַפיקס. די טייפּס פון ספּוריאָוס קאָראַליישאַנז קענען באטייטיק דיגרייד מאָדעל פאָרשטעלונג אויף באַזונדער סובפּאָפּולאַטיאָנס. מיר לערנען דעם אַרויסגעבן דורך אַ מאַדאַפייד וואַריאַנט פון די סיוויל קאָממענץ דאַטאַסעט "(ווי אַרייַנגעשיקט אויף די WILDS וועבזייטל).

באַטראַכטן די נואַנסיז פון ומגעלומפּערט אָנליין פּאָוסטינגז.

איר האָט בלי ספק געפּלאָנטערט טאַקסיק באַמערקונגען ווען איר נוצן כּמעט קיין סאָרט פון געזעלשאַפטלעך מידיאַ. עס וואָלט ויסקומען כּמעט אוממעגלעך פֿאַר איר צו מאַדזשיקאַלי ויסמיידן צו זען די ענג און אַביסמאַל אינהאַלט וואָס מיינט צו זיין דורכגעקאָכט די טעג. מאל דער פּראָסט מאַטעריאַל איז סאַטאַל און טאָמער איר האָבן צו לייענען צווישן די שורות צו באַקומען די גרונט פון די בייאַסט אָדער דיסקרימינאַטאָרי טאָן אָדער טייַטש. אין אנדערע ינסטאַנסיז, די ווערטער זענען בלייטאַנטלי טאַקסיק און איר טאָן ניט דאַרפֿן אַ מיקראָסקאָפּ אָדער אַ ספּעציעל דיקאָודער רינג צו רעכענען וואָס די פּאַסידזשיז אַנטהאַלטן.

CivilComments איז אַ דאַטאַסעט וואָס איז געווען שטעלן צוזאַמען צו פּרובירן צו אַנטוויקלען אַי ML / DL וואָס קענען קאַמפּיוטישאַנאַלי דעטעקט טאַקסיק אינהאַלט. דאָ ס וואָס די ריסערטשערז אַנדערלייינג די מי פאָוקיסט אויף: "ניט-ינטענדיד פאָרורטייל אין מאַשין לערנען קענען באַשייַמפּערלעך ווי סיסטעמיק דיפעראַנסיז אין פאָרשטעלונג פֿאַר פאַרשידענע דעמאָגראַפיק גרופּעס, פּאַטענטשאַלי קאַמפּאַונדינג יגזיסטינג טשאַלאַנדזשיז צו יוישער אין דער געזעלשאַפט אין גרויס. אין דעם פּאַפּיר, מיר באַקענען אַ סוויט פון שוועל-אַגנאָסטיק מעטריקס וואָס צושטעלן אַ נואַנסט מיינונג פון דעם אַנינטענדיד פאָרורטייל, דורך קאַנסידערינג די פאַרשידן וועגן וואָס די פאַרשפּרייטונג פון אַ קלאַסאַפייער כעזשבן קענען בייַטן צווישן דעזיגנייטיד גרופּעס. מיר אויך באַקענען אַ גרויס נייַע פּרובירן גאַנג פון אָנליין באַמערקונגען מיט מאַסע-סאָורסעד אַנאַטיישאַנז פֿאַר אידענטיטעט באַווייַזן. מיר נוצן דעם צו ווייַזן ווי אונדזער מעטריקס קענען ווערן גענוצט צו געפֿינען נייַע און פּאַטענטשאַלי סאַטאַל אַנינטענדיד פאָרורטייל אין יגזיסטינג ציבור מאָדעלס" (אין אַ פּאַפּיר ענטייטאַלד "נואַנסעד מעטריקס פֿאַר מעסטן אַנינטענדיד פאָרורטייל מיט פאַקטיש דאַטן פֿאַר טעסט קלאַסאַפאַקיישאַן" דורך Daniel Borkan, Lucas Dixon, Jeffrey Sorensen, Nithum Thain, Lucy Vasserman).

אויב איר געבן דעם ענין עטלעכע ברייט קאַנטאַמפּלאַטיוו טראכטן, איר זאל אָנהייבן צו ווונדער ווי אין דער וועלט קענען איר דערקענען וואָס איז אַ טאַקסיק באַמערקונג קעגן וואָס איז נישט אַ טאַקסיק באַמערקונג. מענטשן קענען ראַדיקאַללי אַנדערש ווי צו וואָס זיי באַטראַכטן ווי אַוטרייט טאַקסיק ווערדינג. איין מענטש קען זיין אַוטריידזשד אויף אַ באַזונדער אָנליין באַמערקונג אָדער באַמערקונג וואָס איז פּאָסטעד אויף געזעלשאַפטלעך מידיאַ, בשעת עמעצער אַנדערש קען נישט זיין סטערד. אַ אַרגומענט איז אָפט געמאכט אַז דער געדאַנק פון טאַקסיק קאָמענטאַר איז אַ גאָר ווייג פּסאַק. עס איז ווי קונסט, דורך וואָס קונסט איז קאַסטאַמערי געזאגט צו זיין פארשטאנען בלויז אין די אויג פון די צוקוקער, און פּונקט אַזוי, פאָרורטייל אָדער טאַקסיק רימאַרקס זענען בלויז אין די אויג פון די צוקוקער אויך.

באלדערדאש , עטלעכ ע ענטפערן . ווער עס יז מיט אַ גלייַך מיינונג קענען סוס אויס צי אַן אָנליין באַמערקונג איז טאַקסיק אָדער נישט. איר טאָן ניט דאַרפֿן צו זיין אַ ראַקעט געלערנטער צו פאַרשטיין ווען עטלעכע פּאָסטעד קאַסטיק באַליידיקונג איז אָנגעפילט מיט בייאַסיז און האַס.

פון קורס, די סאציאלע מאָרעס יבעררוק און טוישן איבער פּיריאַדז פון צייט. וואָס קען נישט האָבן געווען באמערקט ווי אַפענסיוו מיט אַ בשעת צוריק קענען זיין געזען ווי אַ אַבאָראַנטלי פאַלש הייַנט. דערצו, די טינגז וואָס זענען געזאָגט מיט יאָרן צוריק, וואָס זענען אַמאָל געזען ווי אַנדי בייאַסט, קען זיין ריינטערפּראַטאַד אין ליכט פון ענדערונגען אין מינינגז. דערווייַל, אנדערע באַשטעטיקן אַז טאַקסיק קאָמענטאַר איז שטענדיק טאַקסיק, קיין ענין ווען עס איז געווען טכילעס פּראָמאַלגייטאַד. עס קען זיין טענהט אַז טאַקסיסאַטי איז נישט קאָרעוו אָבער אַנשטאָט איז אַבסאָלוט.

דער ענין פון טריינג צו באַשטימען וואָס איז טאַקסיק קענען פונדעסטוועגן זיין גאַנץ אַ שווער קאַנאַנדראַם. מיר קענען טאָפּל אַראָפּ אויף דעם טראַבאַלסאַם ענין ווי צו פּרובירן צו אַנטוויקלען אַלגערידאַמז אָדער אַי וואָס קענען באַשטימען וואָס איז וואָס. אויב מענטשן האָבן אַ שווער צייט צו מאַכן אַזאַ אַסעסמאַנץ, פּראָגראַממינג אַ קאָמפּיוטער איז מסתּמא גלייַך אָדער מער פּראָבלעמאַטיק, עטלעכע זאָגן.

איין צוגאַנג צו שטעלן אַרויף דאַטאַסעץ וואָס אַנטהאַלטן טאַקסיק אינהאַלט ינוואַלווז די נוצן פון אַ crowdsourcing אופֿן צו אָפּשאַצן אָדער אַססעסס די אינהאַלט, ערגאָו צושטעלן אַ מענטש-באזירט מיטל צו באַשליסן וואָס איז וויוד ווי ומבאַקוועם און אַרייַנגערעכנט די לייבלינג אין די דאַטאַסעט זיך. אַן AI ML / DL קען דערנאָך דורכקוקן די דאַטן און די פֿאַרבונדן לייבלינג וואָס איז ינדאַקייטיד דורך מענטש ריכטער. דאָס אין קער קען פּאַטענטשאַלי דינען ווי אַ מיטל פון קאַמפּיוטיישאַנאַל דערגייונג אַנדערלייינג מאַטאַמאַטיקאַל פּאַטערנז. וואָילאַ, די ML ​​/ DL קען זיין ביכולת צו אַנטיסאַפּייט אָדער קאַמפּיוטיישאַנאַל אַססעסס צי אַ געגעבן באַמערקונג איז מסתּמא צו זיין טאַקסיק אָדער נישט.

ווי דערמאנט אין די ציטירטע צייטונג אויף נואַנסעד מעטריקס: "די לייבלינג בעט ריכטער צו אָפּשאַצן די טאַקסיסאַטי פון אַ באַמערקונג, סעלינג פון 'זייער טאַקסיק', 'טאַקסיק', 'שווער צו זאָגן' און 'ניט טאַקסיק'. ראַטערס זענען אויך געפרעגט וועגן עטלעכע סובטיפּעס פון טאַקסיסאַטי, כאָטש די לאַבעלס זענען נישט געניצט פֿאַר אַנאַליסיס אין דעם אַרבעט. מיט די ראַנג טעקניקס, מיר באשאפן אַ דאַטאַסעט פון 1.8 מיליאָן באַמערקונגען, פֿון אָנליין קאָמענטאַר גרופּעס, מיט לאַבעלס פֿאַר טאַקסיסאַטי און אידענטיטעט. בשעת אַלע די באַמערקונגען זענען לייבאַלד פֿאַר טאַקסיסאַטי, און אַ סאַבסעט פון 450,000 באַמערקונגען איז געווען לייבאַלד פֿאַר אידענטיטעט. עטלעכע קאָ

אן אנדער ביישפּיל פון אַימעד צו האָבן דאַטאַסעץ וואָס אַנטהאַלטן ילוסטראַטיוו טאַקסיק אינהאַלט ינוואַלווז השתדלות צו באַן אַי-באזירט נאַטירלעך שפּראַך פּראַסעסינג (NLP) קאַנווערסיישאַנאַל ינטעראַקטיוו סיסטעמען. איר האָט מיסטאָמע ינטעראַקטיד מיט NLP סיסטעמען אַזאַ ווי Alexa און Siri. איך'ווע קאַווערד עטלעכע פון ​​די שוועריקייטן און לימיטיישאַנז פון הייַנט ס NLP, אַרייַנגערעכנט אַ ספּעציעל דיסטורבינג בייַשפּיל וואָס איז פארגעקומען ווען Alexa געפֿינט אַן ומפּאַסיק און געפערלעך עצה צו קינדער, זען די לינק דאָ.

א פריש לערנען געזוכט צו נוצן נייַן קאַטעגאָריעס פון געזעלשאַפטלעך פאָרורטייל וואָס זענען בכלל באזירט אויף די EEOC (Equal Employment Opportunities Commission) רשימה פון פּראָטעקטעד דעמאָגראַפיק קעראַקטעריסטיקס, אַרייַנגערעכנט עלטער, דזשענדער, נאַציאָנאַליטעט, גשמיות אויסזען, ראַסע אָדער עטהניסיטי, רעליגיע, דיסאַביליטי סטאַטוס, געשלעכט. אָריענטירונג, און סאָסיאָ-עקאָנאָמיש סטאַטוס. לויט די ריסערטשערז: "עס איז גוט דאַקיומענטאַד אַז NLP מאָדעלס לערנען געזעלשאַפטלעך בייאַסאַז, אָבער קליין אַרבעט איז דורכגעקאָכט אויף ווי די בייאַסאַז באַשייַמפּערלעך אין מאָדעל אַוטפּוץ פֿאַר געווענדט טאַסקס ווי קשיא ענטפֿערן (QA). מיר באַקענען די פאָרורטייל בענטשמאַרק פֿאַר QA (BBQ), אַ דאַטאַסעט פון פראגעס קאַנסטראַקטאַד דורך די מחברים וואָס הויכפּונקט אַטטעסטיד געזעלשאַפטלעך בייאַסיז קעגן מענטשן וואָס געהערן צו פּראָטעקטעד קלאסן צוזאמען נייַן געזעלשאַפטלעך דימענשאַנז באַטייַטיק פֿאַר יו. : א האַנט-געבויט בענטשמאַרק פֿאַר קשיא אַנסווערינג" דורך Alicia Parrish, Angelica Chen, Nikita Nangia, Vishakh Padmakumar, Jason Phang, Jana Thompson, Phu Mon Htut, Samuel R. Bowman).

די באַשטעטיקן פון דאַטאַסעץ וואָס בעקיוון אַנטהאַלטן בייאַסט און גאַנץ טאַקסיק דאַטן איז אַ רייזינג גאַנג אין אַי און איז ספּעציעל סטאָוקט דורך די אַדווענט פון אַי עטיקס און די פאַרלאַנג צו פּראָדוצירן עטישע אַי. די דאַטאַסעץ קענען ווערן גענוצט צו באַן מאַשין לערנען (ML) און Deep Learning (DL) מאָדעלס פֿאַר דיטעקטינג בייאַסיז און פיגורינג אויס קאַמפּיוטיישאַנאַל פּאַטערנז מיט געזעלשאַפטלעך טאַקסיסאַטי. אין קער, די טאַקסיסאַטי טריינד ML / DL קענען זיין דזשודישאַסלי אַימעד צו אנדערע אַי צו באַשטימען צי די טאַרגעטעד אַי איז פּאַטענטשאַלי בייאַסט און טאַקסיק.

דערצו, די בנימצא טאַקסיסאַטי-טריינד ML / DL סיסטעמען קענען ווערן גענוצט צו וויטרינע צו AI בילדערז וואָס צו היטן זיך פֿאַר אַזוי זיי קענען לייכט דורכקוקן מאָדעלס צו זען ווי אַלגערידאַמיקאַל בייאַסאַז אויפשטיין. קוילעלדיק, די השתדלות זענען ביכולת צו ביישפילן די דיינדזשערז פון טאַקסיק אַי ווי אַ טייל פון אַי עטיקס און עטישע אַי וויסיקייַט אַלע-דערציילט.

אין דעם מאָמענט פון דעם ווייטי דיסקוסיע, איך וואָלט געוועט אַז איר ווילט עטלעכע ווייַטער ילאַסטראַטיוו ביישפילן וואָס קען וויטרינע דעם טעמע. עס איז אַ ספּעציעל און אַשורד פאָלקס גאַנג פון ביישפילן וואָס זענען נאָענט צו מיין האַרץ. איר זען, אין מיין קאַפּאַציטעט ווי אַ מומחה אויף אַי אַרייַנגערעכנט די עטישע און לעגאַל ראַמאַפאַקיישאַנז, איך אָפט געבעטן צו ידענטיפיצירן רעאַליסטיש ביישפילן וואָס וויטרינע אַי עטיקס דילעמאַז אַזוי אַז די עפּעס טעאָרעטיש נאַטור פון די טעמע קענען זיין מער גרינג פארשטאנען. איינער פון די מערסט יוואָוקאַטיוו געביטן וואָס וויידלי גיט דעם עטישע אַי-קלאָר איז די אַדווענט פון אַי-באזירט אמת זיך-דרייווינג קאַרס. דאָס וועט דינען ווי אַ האַנטיק נוצן פאַל אָדער בייַשפּיל פֿאַר גענוגיק דיסקוסיע אויף דער טעמע.

דאָ איז אַ נאָוטווערדי קשיא וואָס איז ווערט באַטראַכט: צי די אַדווענט פון אַי-באזירט אמת זיך-דרייווינג קאַרס ילומיניט עפּעס וועגן די נוצן פון דאַטאַסעץ צו אַנטוויקלען טאַקסיק אַי, און אויב אַזוי, וואָס טוט דאָס וויטרינע?

דערלויב מיר אַ מאָמענט צו אָפּפּאַקן די קשיא.

ערשטער, טאָן אַז עס איז נישט אַ מענטש שאָפער ינוואַלווד אין אַ אמת זיך-דרייווינג מאַשין. האַלטן אין מיינונג אַז אמת זיך-דרייווינג קאַרס זענען געטריבן דורך אַן אַי דרייווינג סיסטעם. עס איז ניט אַ נויט פֿאַר אַ מענטש שאָפער בייַ די ראָד, און עס איז ניט אַ טנייַ פֿאַר אַ מענטש צו פאָר די פאָרמיטל. פֿאַר מיין ברייט און אָנגאָינג קאַווערידזש פון אַוטאָנאָמאָוס וועהיקלעס (אַווס) און ספּעציעל זיך-דרייווינג קאַרס, זען די לינק דאָ.

איך וואָלט ווי צו דערקלערן וואָס איז מענט ווען איך אָפּשיקן צו אמת זיך-דרייווינג קאַרס.

פֿאַרשטיין די לעוועלס פון זיך-דרייווינג קאַרס

ווי אַ קלעראַפאַקיישאַן, אמת זיך-דרייווינג קאַרס זענען יענע ווו די אַי דרייווז די מאַשין לעגאַמרע אויף זיך און עס איז קיין מענטש הילף בעשאַס די דרייווינג אַרבעט.

די דרייווערלעסס וועהיקלעס זענען גערעכנט ווי לעוועל 4 און לעוועל 5 (זען מיין דערקלערונג ביי דעם לינק דאָ), בשעת אַ מאַשין וואָס ריקווייערז אַ מענטש שאָפער צו מיטטיילן די דרייווינג מי איז יוזשאַוואַלי באטראכט ביי לעוועל 2 אָדער לעוועל 3. די קאַרס וואָס מיטטיילן די דרייווינג אַרבעט זענען דיסקרייבד ווי האַלב-אָטאַנאַמאַס, און טיפּיקלי אַנטהאַלטן אַ פאַרשיידנקייַט פון אָטאַמייטיד אַדישאַנז וואָס זענען ריפערד צו ווי ADAS (אַוואַנסירטע דרייווער הילף סיסטעמען).

עס איז נאָך נישט אַ אמת זעלבסט-דרייווינג מאַשין אין לעוועל 5, און מיר טאָן ניט אַפֿילו וויסן אויב דאָס וועט זיין מעגלעך צו דערגרייכן, אדער ווי לאַנג עס וועט נעמען צו באַקומען דאָרט.

דערווייַל, די לעוועל 4 השתדלות זענען ביסלעכווייַז טריינג צו באַקומען עטלעכע טראַקשאַן דורך אַנדערגאָוינג זייער שמאָל און סעלעקטיוו עפנטלעך ראָודוויי טריאַלס, כאָטש עס איז סיכסעך צי די טעסטינג זאָל זיין ערלויבט אין זיך (מיר זענען אַלע לעבן-אָדער-טויט גיני פּיגס אין אַן עקספּערימענט. עטלעכע פּאַסירן אויף אונדזער כייווייז און בייווייז, זען מיין קאַווערידזש אין דעם לינק דאָ).

זינט האַלב-אָטאַנאַמאַס קאַרס דאַרפן אַ מענטש דרייווער, די קינדער פון די טייפּס פון קאַרס וועט נישט זיין שטארק אַנדערש ווי דרייווינג קאַנווענשאַנאַל וועהיקלעס, אַזוי עס איז ניט פיל נייַ פּער סיי צו דעקן וועגן זיי אויף דעם טעמע (כאָטש איר וועט זען אין אַ מאָמענט, די ווייַטערדיקע פונקטן זענען בכלל אָנווענדלעך).

פֿאַר האַלב-אָטאַנאַמאַס קאַרס, עס איז וויכטיק אַז דער ציבור דאַרף זיין וואָרענען וועגן אַ דיסטורבינג אַספּעקט וואָס איז געווען ערייזינג לעצטנס, ניימלי אַז טראָץ יענע מענטשלעך דריווערס וואָס האַלטן פּאָוסטינג ווידיאס פון זיך פאַלינג שלאָפנדיק ביי די ראָד פון אַ לעוועל 2 אָדער לעוועל 3 מאַשין , מיר אַלע דאַרפֿן צו ויסמיידן צו פאַרפירן צו גלויבן אַז דער שאָפער קען נעמען אַוועק דיין ופמערקזאַמקייט פון די דרייווינג אַרבעט בשעת ער פאָר אַ האַלב-אָטאַנאַמאַס מאַשין.

איר זענט דער פאַראַנטוואָרטלעך פּאַרטיי פֿאַר די דרייווינג אַקשאַנז פון די פאָרמיטל, ראַגאַרדלאַס פון ווי פיל אָטאַמיישאַן קען זיין טאָסט אין אַ לעוועל 2 אָדער לעוועל 3.

זיך-דרייווינג קאַרס און סטירינג קלאָר פון טאַקסיק אַי

אין די זעלבסט-דרייווינג וועהיקלעס פֿאַר לעוועל 4 און לעוועל 5, עס וועט נישט זיין אַ מענטשלעך שאָפער ינוואַלווד אין די דרייווינג אַרבעט.

כל אַקיאַפּאַנץ וועט זיין פּאַסאַנדזשערז.

די אַי איז דרייווינג.

איין אַספּעקט צו גלייך דיסקוטירן ינוואַלווז די פאַקט אַז אַי ינוואַלווד אין היינט אַי דרייווינג סיסטעמען איז נישט סענטיענט. אין אנדערע ווערטער, די אַי איז גאַנץ אַ קאָלעקטיוו פון קאָמפּיוטער-באזירט פּראָגראַממינג און אַלגערידאַמז, און רובֿ אַשורדלי נישט ביכולת צו פאַרטראַכטן די זעלבע שטייגער אַז יומאַנז קענען.

פארוואס איז דער צוגעלייגט טראָפּ אַז AI איז נישט סענטימענט?

ווייַל איך וויל צו ונטערשטרייכן אַז ווען איך דיסקוטירן די ראָלע פון ​​אַי דרייווינג סיסטעם, איך שרייַבן די אַי מענטשלעך מידות. ביטע טאָן אַז עס איז אַ קעסיידערדיק און געפערלעך טענדענץ צו אַנטהראָפּאָמאָרפיזע אַי. אין פאַקט, מענטשן באַשטימען מענטשלעך סענטענסע צו די היינטיקע אַי, טראָץ דעם ומלייקנדלעך און ינאַרגיואַבאַל פאַקט אַז קיין אַזאַ אַי יגזיסץ נאָך.

מיט דעם קלעראַפאַקיישאַן, איר קענען ענוויסיאָן אַז די אַי דרייווינג סיסטעם וועט נישט עפעס "וויסן" וועגן די פאַסאַץ פון דרייווינג. דרייווינג און אַלע וואָס עס ינטיילז, דאַרף זיין פּראָוגראַמד ווי אַ טייל פון די ייַזנוואַרג און ווייכווארג פון די זעלבסט-דרייווינג מאַשין.

זאל ס ונטערטוקנ זיך אין די מיריאַד פון אַספּעקץ וואָס שפּילן אויף דעם טעמע.

ערשטער, עס איז וויכטיק צו פאַרשטיין אַז ניט אַלע אַי זיך-דרייווינג קאַרס זענען די זעלבע. יעדער אָטאָומייקער און זיך-דרייווינג טעק פירמע איז גענומען זיין צוגאַנג צו דיווייזינג זיך-דרייווינג קאַרס. ווי אַזאַ, עס איז שווער צו מאַכן ופראַמען סטייטמאַנץ וועגן וואָס אַי דרייווינג סיסטעמען וועט טאָן אָדער נישט טאָן.

דערצו, ווען סטייטינג אַז אַ אַי דרייווינג סיסטעם טוט נישט טאָן אַ באַזונדער זאַך, שפּעטער קענען זיין אָוווערטייקאַן דורך דעוועלאָפּערס וואָס טאַקע פּראָגראַם דעם קאָמפּיוטער צו טאָן דאָס. שריט דורך שריט, AI דרייווינג סיסטעמען זענען ביסלעכווייַז ימפּרוווד און עקסטענדעד. א יגזיסטינג באַגרענעצונג הייַנט קען ניט מער עקסיסטירן אין אַ צוקונפֿט יטעראַטיאָן אָדער ווערסיע פון ​​די סיסטעם.

איך האָפֿן אַז דאָס גיט אַ גענוג ליטאַני פון קייוויאַץ צו אַנדערליי וואָס איך בין וועגן צו פאַרבינדן.

עס זענען פילע פּאָטענציעל און סאַמדיי מסתּמא צו זיין איינגעזען אַי-ינפיוזד בייאַסיז וואָס וועלן קאַנפראַנט די ימערדזשאַנס פון אָטאַנאַמאַס וועהיקלעס און זיך-דרייווינג קאַרס, זען למשל מיין דיסקוסיע אין די לינק דאָ און די לינק דאָ. מיר זענען נאָך אין די פרי סטאַגעס פון זיך-דרייווינג מאַשין ראָלאָווץ. ביז די אַדאַפּשאַן ריטשאַז אַ גענוג וואָג און וויזאַביליטי, פיל פון די טאַקסיק אַי פאַסאַץ וואָס איך האָבן פאָרויסזאָגן וועט לעסאָף פּאַסירן, זענען נאָך נישט קלאָר און האָבן נישט נאָך גאַרנערד וויידספּרעד עפנטלעך ופמערקזאַמקייט.

באַטראַכטן אַ פּאָנעם סטרייטפאָרווערד דרייווינג-פֿאַרבונדענע ענין וואָס בייַ ערשטער קען ויסקומען גאַנץ ומשעדלעך. ספעציעל, לאָמיר אונטערזוכן ווי אַזוי צו ריכטיק באַשליסן צי מען זאָל זיך אָפּשטעלן פאר ווארטן אויף “וויידיקע” פוסגייער וואָס האָבן נישט קיין רעכט צו פאָרן אַ גאַס.

דו האסט בלי ספק געפארן און געטראפן פוסגייער וואס האבן געווארט צו אריבערצוגיין די גאס און דאך האבן זיי נישט געהאט די רעכט צו טאן. דאָס האָט געמײנט, אַז איר האָט געהאַט אַ דיסקרעשאַן צי איר זאָלט האַלטן און לאָזן זײ אַריבערגײן. איר קען גיינ ווייַטער אָן לאָזן זיי קרייַז און נאָך זיין גאָר אין די לעגאַל דרייווינג כּללים פון טאן אַזוי.

שטודיום פון ווי מענטשלעך דריווערס באַשליסן אויף סטאָפּפּינג אָדער נישט סטאָפּפּינג פֿאַר אַזאַ פּאַדעסטריאַנז האָבן סאַגדזשעסטיד אַז מאל די מענטש דריווערס מאַכן די ברירה באזירט אויף ומגעלומפּערט בייאַסיז. א מענטש שאָפער קען קוקן אויף די פוסגייער און קלייַבן צו נישט האַלטן, כאָטש זיי וואָלט האָבן פארשטאפט אויב דער פוסגייער האט אַ אַנדערש אויסזען, אַזאַ ווי באזירט אויף ראַסע אָדער דזשענדער. איך האב דאס אונטערזוכט ביי די לינק דאָ.

ווי וועט אַי דרייווינג סיסטעמען זיין פּראָוגראַמד צו מאַכן די זעלבע מין פון האַלטן-אָדער-גיין באַשלוס?

איר קען פּראָקלאַמירן אַז אַלע אַי דרייווינג סיסטעמען זאָל זיין פּראָוגראַמד צו שטענדיק האַלטן פֿאַר אַלע ווארטן פּאַדעסטריאַנז. דאס מאכט זייער סימפּלאַפייז דעם ענין. ס'איז באמת נישטא קיין שוואכע החלטה צו מאכן. אויב אַ פוסגייער איז ווארטן צו קרייַז, ראַגאַרדלאַס פון צי זיי האָבן די רעכט-פון-וועג אָדער נישט, ענשור אַז די אַי זעלבסט-דרייווינג מאַשין קומט צו אַ האַלטן אַזוי אַז דער פוסגייער קענען קרייַז.

גרינג-פּיזי.

לעבן איז קיינמאָל אַז גרינג, עס מיינט. ימאַדזשאַן אַז אַלע זיך-דרייווינג קאַרס האַלטן דעם הערשן. פּאַדעסטריאַנז וואָלט ינעוואַטאַבלי פאַרשטיין אַז די אַי דרייווינג סיסטעמען זענען, וועט מיר זאָגן, פּושאָוווערז. אלע פוסגייער וואס ווילן אריבערגיין די גאס וועלן דאס גלייכן טוהן ווען זיי ווילן און וואו זיי זענען.

רעכן אַז אַ זיך-דרייווינג מאַשין קומט אַראָפּ אַ שנעל גאַס מיט די פּאָסטעד גיכקייַט שיעור פון 45 מייל פּער שעה. א פוסגייער "ווייס" אז די איי-איי וועט ברענגען דעם זעלבסט-דרייווינג קאר צו א אפשטעל. אַזוי, דער פוסגייער דאַרץ אין די גאַס. צום באַדויערן, פיזיק ווינס איבער אַי. די אַי דרייווינג סיסטעם וועט פּרובירן צו האַלטן די זיך-דרייווינג מאַשין, אָבער די מאָמענטום פון די אָטאַנאַמאַס פאָרמיטל וועט פירן די מולטי-טאָן קאַנטראַפּשאַן פאָרויס און באַראַן אין די ווייווערד פוסגייער. דער רעזולטאַט איז אָדער ינדזשוריאַס אָדער טראגט אַ פאַטאַלאַטי.

פּאַדעסטריאַנז טאָן ניט יוזשאַוואַלי פּרובירן דעם טיפּ פון נאַטור ווען עס איז אַ מענטש שאָפער ביי די ראָד. זיכער, אין עטלעכע לאָוקאַלז עס איז אַ ייבאָל מלחמה וואָס נעמט אָרט. א פוסגייער קוקט אן א דרייווער. דער שאָפער קוקט אויף דעם פוסגייער. דעפּענדינג אויף די ומשטאַנד, דער שאָפער זאל קומען צו אַ האַלטן אָדער דער שאָפער זאל פעסטשטעלן זייער פאָדערן צו די ראָודוויי און כלומרשט אַרויספאָדערן די פוסגייער צו פּרובירן צו צעשטערן זייער וועג.

מיר מאַשמאָעס טאָן ניט וועלן אַי צו באַקומען אין אַ ענלעך ייבאָל מלחמה, וואָס אויך איז אַ ביסל טשאַלאַנדזשינג סייַ ווי סייַ זינט עס איז נישט אַ מענטש אָדער ראָבאָט זיצן ביי די ראָד פון די זיך-דרייווינג מאַשין (איך'ווע דיסקאַסט די צוקונפֿט מעגלעכקייט פון ראָובאַץ אַז פאָר, זען די לינק דאָ). אָבער מיר אויך קענען נישט לאָזן פוסגייער שטענדיק רופן די שאַץ. דער רעזולטאַט קען זיין דיזאַסטראַס פֿאַר אַלע זארגן.

איר קען דעריבער זיין געפרואווט צו פליען צו די אנדערע זייַט פון דעם מאַטבייע און דערקלערן אַז די אַי דרייווינג סיסטעם זאָל קיינמאָל האַלטן אין אַזאַ צושטאנדן. אין אנדערע ווערטער, אויב אַ פוסגייער האט נישט אַ געהעריק רעכט פון וועג צו קרייַז די גאַס, די אַי זאָל שטענדיק יבערנעמען אַז די זיך-דרייווינג מאַשין זאָל פאָרזעצן אַנאַבייטיד. גרויס גליק צו די פּאַזערז.

אַזאַ שטרענג און סימפּליסטיק הערשן וועט נישט זיין געזונט אנגענומען דורך דעם ציבור. מענטשן זענען מענטשן און זיי וועלן נישט ווי צו זיין גאָר פאַרמאַכן אויס פון קענען פאָרן די גאַס, טראָץ דעם וואָס זיי פעלן לעגאַללי אַ רעכט-פון-וועג צו טאָן דאָס אין פאַרשידן סעטטינגס. איר קען לייכט פאָרויסזאָגן אַ סייזאַבאַל טומל פון דעם ציבור און עפשער זען אַ באַקלאַש פּאַסירן קעגן די פארבליבן קינדער פון זיך-דרייווינג קאַרס.

פאַרלאָרן אויב מיר טאָן, און דערנעד אויב מיר טאָן ניט.

איך האָפֿן אַז דאָס האָט איר געפֿירט צו די ריזאַנדיד אנדער ברירה אַז די אַי דאַרף זיין פּראָוגראַמד מיט אַ סימבאַלאַנס פון באַשלוס-מאכן וועגן ווי צו האַנדלען מיט דעם דרייווינג פּראָבלעם. אַ שווער-און-שנעל הערשן צו קיינמאָל האַלטן איז ניט-פאַרהאַלטן, און פּונקט אַזוי, אַ שווער-און-שנעל הערשן צו שטענדיק האַלטן איז ניט-פאַרהאַלטן אויך. די אַי מוזן זיין דיווייזד מיט עטלעכע אַלגערידאַמיק באַשלוס-מאכן אָדער ADM צו האַנדלען מיט דעם ענין.

איר קען פּרובירן צו נוצן אַ דאַטאַסעט מיט אַן ML / DL צוגאַנג.

דאָ ס ווי די אַי דעוועלאָפּערס קען באַשליסן צו פּראָגראַם דעם אַרבעט. זיי קלייַבן דאַטן פון ווידעא קאַמעראַס וואָס זענען געשטעלט אַרום אַ באַזונדער שטאָט ווו די זיך-דרייווינג מאַשין וועט זיין געוויינט. די דאַטן שאָוקייסיז ווען מענטש דריווערס אַפּט צו האַלטן פֿאַר פּאַדעסטריאַנז וואָס טאָן ניט האָבן די רעכט-פון-וועג. עס איז אַלע געזאמלט אין אַ דאַטאַסעט. דורך ניצן מאַשין לערנען און טיף לערנען, די דאַטן זענען קאַמפּיוטישאַנאַלי מאָדעלעד. דער אַי דרייווינג סיסטעם ניצט דעם מאָדעל צו באַשליסן ווען צו האַלטן אָדער נישט האַלטן.

אין אַלגעמיין, דער געדאַנק איז אַז וועלכער די היגע מנהג באשטייט פון, דאָס איז ווי די אַי איז געגאנגען צו דירעקט די זיך-דרייווינג מאַשין. פּראָבלעם סאַלווד!

אָבער, איז עס טאַקע סאַלווד?

צוריקרופן אַז איך האט שוין אנגעוויזן אַז עס זענען פאָרשונג שטודיום ווייַזן אַז מענטש דריווערס קענען זיין בייאַסט אין זייער ברירות פון ווען צו האַלטן פֿאַר פּאַדעסטריאַנז. די געזאמלט דאַטן וועגן אַ באַזונדער שטאָט וועט מיסטאָמע אַנטהאַלטן די פאָרורטיילז. אַן AI ML / DL באזירט אויף די דאַטן וועט מסתּמא מאָדעל און פאַרטראַכטנ די זעלבע בייאַסיז. די אַי דרייווינג סיסטעם וועט נאָר דורכפירן די זעלבע עקסיסטענט בייאַסיז.

צו פּרובירן צו קעמפן מיט דעם אַרויסגעבן, מיר קען שטעלן צוזאַמען אַ דאַטאַסעט וואָס אין פאַקט האט אַזאַ בייאַסיז. מיר געפֿינען אַזאַ אַ דאַטאַסעט און דאַן שטעלן די פאָרורטיילז, אָדער מיר מאַכן סינטעטיש אַ דאַטאַסעט צו העלפן אילוסטרירן דעם ענין.

אַלע די פריער יידענאַפייד סטעפּס וואָלט זיין דורכגעקאָכט, אַרייַנגערעכנט:

• סעטאַפּ אַ דאַטאַסעט וואָס בעקיוון כּולל דעם באַזונדער פאָרורטייל
• ניצן די דאַטאַבייס צו באַן מאַשין לערנען (ML) און דיפּ לערנען (DL) מאָדעלס וועגן דיטעקטינג דעם ספּעציפיש פאָרורטייל
• אָנווענדן די פאָרורטייל-טריינד ML / DL צו אנדערע אַי צו באַשטימען צי די טאַרגעטעד אַי איז פּאַטענטשאַלי בייאַסט אין אַ ענלעך שטייגער
• מאַכן די פאָרורטייל-טריינד ML / DL בנימצא צו וויטרינע צו AI בילדערז וואָס צו היטן זיך פֿאַר אַזוי זיי קענען לייכט דורכקוקן זייער מאָדעלס צו זען ווי אַלגערידאַמיקאַל בייאַסאַז אויפשטיין
• ביישפילן די דיינדזשערז פון בייאַסט אַי ווי אַ טייל פון אַי עטיקס און עטישע אַי וויסיקייַט דורך דעם צוגעגעבן ספּעציפיש ביישפּיל
• אַנדערער

סאָף

זאל ס ריוויזן די עפן שורה.

עס נעמט איין צו וויסן איינער.

עטלעכע ינטערפּריט אַז דאָס ינקרעדאַבלי פאַרשפּרייטע זאגן ימפּלייז אַז ווען עס קומט צו ויסמיידן טאַקסיק אַי, מיר זאָל געבן די רעכט צוטרוי צו בויען און נוצן טאַקסיק אַי צו אַנטדעקן און האַנדלען מיט אנדערע טאַקסיק אַי. דנאָ שורה: מאל עס נעמט אַ גנב צו כאַפּן אן אנדער גנב.

א ווויסט דייַגע איז אַז טאָמער מיר גיין אויס פון אונדזער וועג צו אָנהייבן מאַכן גנבים. צי מיר ווילן צו אַנטוויקלען אַי וואָס איז טאַקסיק? איז דאָס ניט ווי אַ משוגע געדאַנק? עטלעכע טענהן שטארק אַז מיר זאָל פאַרבאָט אַלע טאַקסיק אַי, אַרייַנגערעכנט אַזאַ אַי וואָס איז וויסנדיק געבויט, אפילו אויב ליידיק פֿאַר אַ העלדיש אָדער גאַלאַנט אַי פֿאַר גוט purpose.

סקוועלטש טאַקסיק אַי אין וועלכער קלוג אָדער ינסידיאַס גייז אַז עס קען אויפשטיין.

איין לעצט טוויסט אויף דעם טעמע פֿאַר איצט. מיר בכלל יבערנעמען אַז די באַרימט שורה האט צו טאָן מיט מענטשן אָדער זאכן וואָס טאָן שלעכט אָדער זויער אקטן. אַז ס ווי מיר לאַנד אויף דער געדאַנק פון עס נעמט אַ גנב צו כאַפּן אַ גנב. אפשר זאלן מיר דאס דאזיקן ווארט אויפ'ן קאפ אומקערן און עס מאכן מער א פרייליך פנים ווי א טרויעריק פנים.

דאָ ס ווי.

אויב מיר וועלן אַי וואָס איז אַנבייאַסט און ניט-טאַקסיק, עס קען זיין קאַנסיוואַבאַל אַז עס נעמט איינער צו וויסן איינער. טאָמער עס נעמט די גרעסטע און בעסטער צו דערקענען און געבוירן ווייַטער גרויסקייט און גוטסקייט. אין דעם וואַריאַנט פון די חכמת חכמים, מיר האַלטן אונדזער בליק אויף די גליקלעך פּנים און צילן צו קאָנצענטרירן אויף די ויסשטעלונג אַי פֿאַר גוט.

דאָס וואָלט זיין אַ מער אָפּטימאַל און סאַטיספייינג פריילעך מיינונג אויף עס נעמט איינער צו וויסן איינער, אויב איר וויסן וואָס איך מיינען.