基于AI的安全系统中的道德偏见

什么?是什么使他们的行为方式不同于插入大型机的代码?如今，艾萨克·阿西莫夫(Isaac Asimov)的三项法律在定义机器在复杂环境中的行为标准时是否仍然立于不败之地?这些问题的答案在于我们选择定义游戏规则以及机器如何应对突然变化的方式。

在人工智能研究中，道德偏见是不确定性的一个特殊区域，涉及小装饰品和杠杆，这些小装饰品和杠杆会拉动机器以有时看起来有些奇怪甚至有害的方式运行。随着无人驾驶汽车的兴起和AI驱动的生产方法逐渐占领世界，一个悬而未决的问题再次需要答案。我们如何处理这些机器?

您可能还会喜欢： AI可以自我警戒并减少偏见吗?

偏向简介

从数据角度来看，偏差和方差与测量值与实际值的接近程度有关。在这种情况下，方差是测量值彼此之间相差多少的度量，偏差是指测量值与实际值相差多少。在具有高精度的模型的高度特定的情况下，方差和偏差都将很小。

但是，这可能反映出该模型对新数据的执行效果有多差。然而，很难实现低偏差和方差，这是各地数据分析师的祸根。对于涉及简单决策而用简单的二

 

为什么要首先使用它们呢?要回答这些问题，您需要查看在大数据领域中如何构建模型的一般方法。

首先从执行器和传感器中收集并清除数据，这些数据可为分析人员提供原始数据。这些值然后经过预处理步骤，在此将它们标准化，标准化或转换为除去尺寸和单位的形式。一旦将数据转换为合适的表格或逗号分隔格式，就将其插入到层或功能方程式网络中。如果模型使用一系列隐藏层，请放心，它们将具有激活函数，该函数将在每个步骤中引入偏差。

但是，偏差也可以通过许多收集方法的陷阱进入系统。也许数据没有针对某一组或某类输出进行平衡，也许数据不完整/错误，或者可能没有任何数据开始。

随着数据集变得越来越多且记录不完整，系统肯定有可能用一些预定义的值填补这些空白。这导致另一种假设偏见。

黑匣子难题

许多学者还认为，没有适当的上下文，数字可能不会意味着同一件事。例如，在有争议的《钟形曲线》一书中，作者关于种族群体间智商差异的说法受到了环境约束和差异概念的挑战。但是，如果一个人能够达成这样的解决方案，那么一台机器要花多长时间才能消除这种逻辑上的判断失误?

（编辑：伊春站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!