谷歌机器学习速成课程新增关于公平性训练模块

编译：chux

出品：ATYUN订阅号

今天，谷歌机器学习速成课程新增加了一个关于公平性的训练模块，且即将推出中文版。

随着机器学习的继续采用，道德和公平是非常重要的考虑因素。虽然AI可以“比基于临时规则或人类判断的决策过程更具公平性和更具包容性”，但用于训练这些模型的数据可能存在潜在的偏差。

其他问题涉及确保人工智能在所有情况下都是公平的，而更广泛地说，“没有公平的标准定义”。

负责任地评估机器学习模型需要做的不仅仅是计算损失度量。在将模型投入生产之前，审核训练数据和评估偏差预测至关重要。

这个新增的长达一小时的课程是由谷歌的工程教育和ML公平团队开发的，该模块着眼于可以在训练数据中体现的不同类型的人类偏见。然后，它提供识别它们并评估其影响的策略。

学习目标

了解可能无意中通过ML算法再现的常见的人类偏见。

在训练模型之前，主动探索数据以确定偏差来源。

评估偏差的模型预测。

课程：developers.google.com/machine-learning/crash-course/fairness/video-lecture