På hvilke måter kan skjevheter i maskinlæringsmodeller, slik som de som finnes i språkgenereringssystemer som GPT-2, opprettholde samfunnsmessige fordommer, og hvilke tiltak kan iverksettes for å dempe disse skjevhetene?
Tirsdag 11 juni 2024
by EITCA Academy
Forstyrrelser i maskinlæringsmodeller, spesielt i språkgenereringssystemer som GPT-2, kan i betydelig grad opprettholde samfunnsmessige fordommer. Disse skjevhetene stammer ofte fra dataene som brukes til å trene disse modellene, som kan reflektere eksisterende sosiale stereotyper og ulikheter. Når slike skjevheter er innebygd i maskinlæringsalgoritmer, kan de manifestere seg på forskjellige måter, noe som fører til
- Publisert i Kunstig intelligens, EITC/AI/ADL Advanced Deep Learning, Ansvarlig innovasjon, Ansvarlig innovasjon og kunstig intelligens, Eksamensgjennomgang
Merket under:
Kunstig intelligens, Bias Mitigation, GPT-2, Språkmodeller, Maskinlæring, Ansvarlig AI