我们如何避免AI模型出现偏见

导读 给大家分享一篇关于互联网和手机的文章。相信很多朋友对互联网和手机还是不太了解，所以边肖也在网上搜集了一些关于手机和互联网的相关知识

给大家分享一篇关于互联网和手机的文章。相信很多朋友对互联网和手机还是不太了解，所以边肖也在网上搜集了一些关于手机和互联网的相关知识与大家分享。希望大家看完之后会喜欢。

如今，人工智能的偏见备受争议。从不当标记人脸的图像分类器，到挑选候选人时歧视女性的机器人，人工智能在尝试自动复制时似乎继承了人类最糟糕的做法。

风险在于，我们将利用人工智能创造一个充满种族主义、性别歧视和口臭的机器人大军，然后它们会再次困扰我们。这是一个道德困境。如果AI天生就有偏见，那么依赖它是否危险？我们最终会塑造最糟糕的未来吗？

这台机器将是一台机器

我先澄清一件事：AI只是一台机器。我们可以把它拟人化，但它仍然是一台机器。这个过程和在湖边玩石头的过程没有什么不同。突然，一块沉闷的石头变成了一块可爱的宠物石头。

即使我们和你的孩子一起玩，我们也永远不会忘记，不管宠物石头有多可爱，它仍然只是一块石头。我们应该对AI做同样的事情：无论人类多么喜欢它的对话或外观，我们都不应该忘记它仍然只是一台机器。

比如前段时间从事机器人项目：教师机器人。其想法是为查询开源数据科学软件KNIME分析平台的文档和功能生成自动且信息丰富的答案。在所有bot项目中，一个重要的问题是说话的风格。

有许多可能的说话或写作风格。至于机器人，你可能希望他们友好，但不要过于友好——取决于情况，有时你必须果断。博文《用60个词描述写作或说话风格》列出了60种不同机器人说话风格的细微差别：从健谈和对话到抒情和文学，从有趣和雄辩的语言到正式的语言，以及我最喜欢的不一致的语言。我的机器人应该采用什么样的说话风格？

我选择了两种可能的风格：礼貌和自信。礼貌到了诗歌的极限。鼓吹不礼貌的边界。这两个都是自由文本生成问题。

作为这个教师机器人项目的一部分，几个月前，我实现了一个简单的深度学习神经网络，它有一个隐藏的LSTM单元层，可以生成自由文本。

网络将以m个字符序列作为输入，并预测输出层中下一个最有可能的字符。因此，给定输入层字符“hous”的顺序，网络将预测“e”为下一个最可能的字符。在自由句子语料库上训练后，网络学会了一次生成一个字符的单词甚至句子。

我没有从头开始构建深度学习网络，而是在KNIME Hub上搜索类似的解决方案(根据目前互联网上搜索已有示例的趋势)来生成免费文本。我发现了一个，其中一个类似的网络接受了关于现有真实山名的培训，从而为户外服装的一系列新产品生成了虚假且无版权的候选名称。我下载了网络，并根据自己的需求进行了定制，例如，将多对多架构转换为多对一架构。

本文就为大家讲解到这里了。