中级
提供者 : Briana Brownell
4 课时 · 8m
语言：阿拉伯语, 德语, 英语, 西班牙语, 法语, 葡萄牙语, 简体中文
课程描述
这些关于人工智能中的偏见、包容性和公平性的课程，将探讨为什么偏见是涉及AI伦理的讨论最多的概念之一，以及为什么防止偏见应该成为每个AI系统治理的一部分。此外，这些课程将回顾公平、代表性和包容性影响原则的概念。
人工智能系统在很大程度上扩大了有害的不公平。因此，防止偏差应该成为从设计到数据收集再到模型训练和测试的整个模型构建管道的一部分。代表性数据对于克服机器学习模型构建中的偏差很重要。为了使数据具有代表性，它必须准确地代表AI所关注的案例。您将了解如何使用代表性数据来减轻或消除基于机器学习的AI系统中的偏见。
从本质上讲，公平意味着数据主体应该得到公正和公平的对待，无论种族、性别、年龄、地区、国籍、原籍国、政治信仰、宗教等特征如何。通过这些课程，您还将探索公平的概念及其与偏见的相关性，其具体定义已在学术文献中进行了详细探讨。
最后，您将了解包容性影响的原则，以及如何使用它来增强人们的能力并在每个人之间分享利益。
您将学到的内容
- 描述人工智能系统中偏差与公平性之间的区别
- 认识到有偏差的人工智能系统所带来的风险
- 解释为什么代表性数据对于创建公平的人工智能至关重要
- 应用代表性数据以减轻或消除基于机器学习的人工智能系统中的偏差
- 理解包容性影响原则及其赋能与人工智能互动的人群的能力
- 在人工智能伦理中探索公平性、代表性以及包容性影响原则
关键要点
- 偏差是人工智能伦理中最常讨论的概念之一，预防偏差应成为每个人工智能系统治理的一部分。
- 由于人工智能系统会极大地放大有害的不公平性，因此预防偏差应当贯穿从设计、数据收集到模型训练和测试的整个模型构建流程。
- 代表性数据能准确代表人工智能所关注的案例，这对于克服机器学习模型构建中的偏差至关重要。
- 公平意味着无论种族、性别、年龄、地区、国籍、原产国、政治信仰或宗教等特征如何，都应公正、平等地对待数据主体。
- 包容性影响原则可用于赋能大众并让每个人共享利益。
常见问题
这门课程涵盖哪些主题？
它涵盖人工智能中的偏差、包容性和公平性，包括检测和预防偏差、代表性数据、人工智能中的公平性以及包容性影响。
我将从这门课程中获得哪些技能？
您将培养人工智能系统、人工智能、偏置、计算智能、数据伦理以及多样性、公平与包容政策等方面的技能。
在人工智能背景下，公平性意味着什么？
公平意味着无论种族、性别、年龄、地区、国籍、原产国、政治信仰或宗教等特征如何，都应公正、平等地对待数据主体。
为什么代表性数据很重要？
数据要具有代表性，就必须准确地代表人工智能所关注的案例，而代表性数据可用于减轻或消除基于机器学习的人工智能系统中的偏差。
什么是包容性影响原则？
包容性影响是一项原则，可用于赋能与人工智能互动的群体，并让所有人共享利益。
