Презентация_Ошибка_в_данных_ошибка_в_решении

1.

Ошибка в данных — ошибка в решении
Презентация о алгоритмической предвзятости и качестве данных
Искусственный интеллект учится на данных.
Если данные неполные или несбалансированные, результат ИИ тоже может быть несправедливым.
1

2.

Что такое алгоритмическая предвзятость?
• Это ситуация, когда алгоритм чаще ошибается или принимает несправедливые
решения для определённой группы людей.
• Причина может быть в данных, на которых обучалась система.
• Например, если в обучающей выборке мало фотографий подростков, система
распознавания лиц может хуже определять их.
2

3.

Пример: система распознавания лиц
Данные для обучения
Результат
В наборе много фотографий взрослых и мало фотографий
Взрослых
подростков.
система распознаёт точнее, а подростков
3

4.

К чему это может привести?
• Несправедливые решения по отношению к некоторым людям.
• Ошибки при распознавании личности.
• Потеря доверия к системе искусственного интеллекта.
• В реальной жизни это может повлиять на доступ к услугам, учёбе или работе.
4

5.

Как исправить ситуацию?
• Собирать более разнообразные и качественные данные.
• Проверять, представлены ли разные группы людей примерно равномерно.
• Тестировать ИИ на отдельных наборах данных до его использования.
• Регулярно проверять результаты и исправлять найденные ошибки.
5

6.

Вывод
Качество данных напрямую влияет на работу ИИ.
ия искусственного интеллекта были точнее и справедливее, данные нужно тщательно собирать, проверять
6