TCAV ist die Abkürzung für Testing with Concept Activation Vectors und es handelt sich um eine Technologie, die starke Konzeptsignale identifizieren und sich somit gegen Voreingenommenheit wehren kann.
Mehr Google I/
- Pixel 3a genießt beim Übergang von 4G zu 5G ein nahezu perfektes Timing
- Duplex der nächsten Generation, Assistent übernimmt mehr Aufgaben
- Android Q erhält Sicherheitsupdates ohne Neustart
- Der Google-Assistent weiß, wo deine Mutter lebt
- Das UI-Framework Flutter wird plattformübergreifend
- TCAV befasst sich mit der Verzerrung von KI-Modellen
- Sundar Pichai spricht inmitten von Skandalen
- AR und Lens: Näher an der Zukunft der Suche
Sundar Pichai, CEO von Google, sagte, das Unternehmen arbeite daran, seine Modelle für künstliche Intelligenz und maschinelles Lernen transparenter zu machen, um sich vor Voreingenommenheit zu schützen.
Auch:Das Pixel 3A ist offiziell: Das müssen Sie wissen | Android F: Alles, was Sie wissen müssen
Pichai skizzierte eine Schar von Verbesserungen der künstlichen Intelligenz und versucht, mehr Modelle für maschinelles Lernen auf Geräten zu installieren, aber der größere Vorteil für Entwickler und Datenwissenschaftler könnte etwas sein, das TCAV genannt wird. TCAV ist die Abkürzung für Testen mit Konzeptaktivierungsvektoren. Kurz gesagt ist TCAV eine Interpretierbarkeitsmethode, um zu verstehen, welche Signale Ihre neuronalen Netzwerkmodelle für die Vorhersage verwenden.
In der Theorie, TCAVs Fähigkeit Signale zu verstehen, könnte Voreingenommenheit ans Tageslicht bringen, da dadurch hervorgehoben würde, ob Männer ein Signal gegenüber Frauen seien, und andere Themen wie Rasse, Einkommen und Standort ans Licht gebracht würden. Mithilfe von TCAV können Informatiker erkennen, wie hoch der Wert ist Konzepte werden geschätzt.
Grundierungen: Was ist KI? | Was ist maschinelles Lernen? | Was ist Deep Learning? | Was ist künstliche allgemeine Intelligenz?
Bias ist ein entscheidendes Konzept in der KI und einigen anderen Wissenschaftler haben mehr Selbstverwaltung und Regulierung gefordert. Darüber hinaus drängen Branchenakteure wie IBM auf mehr Transparenz und eine Softwareschicht zur Überwachung von Algorithmen, um zu sehen, wie sie zusammenarbeiten, um Voreingenommenheit zu erzeugen. Inzwischen streben Unternehmen danach erklärbare KI. Für Google ist Transparenz aufgrund seiner Technologien wichtig, z Duplex und der Google Assistant der nächsten Generation. Diese Tools sind zunehmend in der Lage, Aufgaben für Sie zu erledigen. Transparenz der Modelle kann zu mehr Vertrauen und Nutzung der Google-Technologie führen.
Fazit: Transparenz und der Schutz vor Voreingenommenheit werden sowohl für Unternehmen als auch für Unternehmen von entscheidender Bedeutung sein alle Cloud-Anbieter, die die meisten unserer Modelle als Dienste bereitstellen werden.
TCAV erfordert keine erneute Schulung von Modellen für die Verwendung und ist ein Versuch, Modelle zu analysieren und zu veranschaulichen, warum ein Modell eine bestimmte Entscheidung trifft. Beispielsweise kann ein Modell, das ein Zebra identifiziert hat, es anhand übergeordneter Konzepte identifizieren. Hier ist eine Illustration:
Besonderheit
Verwalten von KI und ML im Unternehmen
Die KI- und ML-Implementierungen sind in vollem Gange, aber für CXOs wird das größte Problem darin bestehen, diese zu verwalten Initiativen und herauszufinden, wo das Data-Science-Team hineinpasst und welche Algorithmen man kaufen sollte bauen.
Lies jetzt„Um ein hilfreicheres Google für alle aufzubauen, müssen wir Vorurteile bekämpfen. Sie müssen wissen, wie ein Modell funktioniert und wie es zu Voreingenommenheiten kommen kann. „Wir werden die Transparenz verbessern“, sagte Pichai.
Er fügte hinzu, dass das KI-Team von Google an TCAV arbeitet, einer Technologie, die es Modellen ermöglichen wird, übergeordnete Konzepte zu verwenden. Das Ziel von TCAV besteht darin, die Variablen zu veranschaulichen, die einem Modell zugrunde liegen.
„Es gibt noch viel zu tun, aber wir sind bestrebt, KI so zu entwickeln, dass sie für alle funktioniert“, sagte Pichai.
Durch die Möglichkeit, die Modellgröße so zu reduzieren, dass sie auf einem Gerät gespeichert werden können, arbeitet Google daran, die Latenz zu verringern und nutzt Techniken wie föderiertes Lernen, um weniger Daten zu verbrauchen und die Privatsphäre der Nutzer zu verbessern.
Google I/O 2019: Die größten Ankündigungen der Keynote
Mehr von Google I/O:
- Google erweitert Android Jetpack, weitere Android-Entwicklungstools
- Google I/O: 14 Android-Betriebssystemmodule, um Over-the-Air-Sicherheitsupdates zu erhalten
- Google erweitert Android Jetpack, weitere Android-Entwicklungstools
- Google stellt Cloud TPU Pods in der Betaversion öffentlich zur Verfügung
- Google geht davon aus, dass Duplex Assistant der nächsten Generation Ihre Aufgaben übernimmt
- Das Pixel 3A ist offiziell: Das müssen Sie wissen
- Google I/O: Von „KI zuerst“ zu KI, die für alle funktioniert
- Die technischen Daten, der Preis und die Funktionen des Pixel 3a von Google sind nahezu perfekt aufeinander abgestimmt
- Google erweitert die ML-Kit-Funktionen für die Integration von ML in mobile Apps
- Google erweitert das UI-Framework Flutter von rein mobil auf plattformübergreifend
- Google I/O 2019: Die größten Ankündigungen der Keynote
Mehr zum KI-Bias:
- Erkennen der Notwendigkeit, Algorithmen auf Verzerrungen zu prüfen
- Wie Ethik Voreingenommenheit in der KI bekämpfen kann
- Das MIT gibt der Summe aller KI-Ängste endlich einen Namen
- CIO-Jury: 92 Prozent der Technologieführer haben keine Richtlinien für den ethischen Einsatz von KI
- Das Davos-Publikum hatte hochgesinnte Gespräche über KI, bleiben Sie gespannt auf die Action
- Das Davos-Publikum hatte hochgesinnte Gespräche über KI, bleiben Sie gespannt auf die Action
- Enterprise AI im Jahr 2019: Was Sie wissen müssen
- Umfrage: Technologieführer gehen Projekte im Bereich der künstlichen Intelligenz und des maschinellen Lernens vorsichtig an
- Kostenloser PDF-Download: KI und ML im Unternehmen verwalten
- Unternehmens-KI und maschinelles Lernen: Vergleich der Unternehmen und Anwendungen
- Die tatsächlichen Kosten und der ROI der Implementierung von KI im Unternehmen
- Maschinelles Lernen und Informationsarchitektur: Erfolgsfaktoren