色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

將道德內容加載到機器學習中 學會批判性地思考機器學習

汽車電子技術 ? 2022-04-18 18:52 ? 次閱讀

一個多學科的研究生團隊幫助將道德計算內容注入麻省理工學院最大的機器學習課程。

作為計算社會和道德責任倡議的一部分,一個多學科的研究生小組努力為麻省理工學院最大的機器學習課程之一注入與道德計算、數據和模型偏差以及機器學習公平性相關的材料。

參加 MIT 課程 6.036(機器學習簡介)的學生學習強大模型背后的原理,這些模型可幫助醫生診斷疾病或幫助招聘人員篩選求職者。

現在,由于計算的社會和道德責任(SERC) 框架,這些學生還將停下來思考 這些人工智能工具的含義,這些工具有時會帶來意想不到的后果。

去年冬天,一個SERC 學者團隊與講師 Leslie Kaelbling、松下計算機科學與工程教授以及 6.036 名助教合作,為每周實驗室注入了涵蓋道德計算、數據和模型偏差以及機器學習公平性的材料。該過程由電氣工程和計算機科學系 X 聯盟助理教授 Jacob Andreas 于 2019 年秋季啟動。SERC 學者在多學科團隊中合作,幫助博士后和教師開發新的課程材料。

由于 6.036 課程如此龐大,因此 2021 年春季學期入學的 500 多名學生在努力學習新的計算技術的同時,努力應對這些道德方面的問題。對于一些人來說,這可能是他們第一次在學術環境中批判性地思考機器學習的潛在負面影響。

SERC 學者評估了每個實驗室,以開發具體的示例和與道德相關的問題,以適應該周的材料。每個人都帶來了不同的工具集。Serena Booth 是計算機科學與人工智能實驗室 (CSAIL) 交互式機器人組的研究生。Marion Boulicault 是語言學和哲學系的研究生,現在是 SERC 所在的麻省理工學院蘇世民計算機學院的博士后。Rodrigo Ochigame 是歷史、人類學、科學、技術和社會 (HASTS) 項目的研究生,現在是荷蘭萊頓大學的助理教授。他們與 MEng ‘21 助教 Dheekshita Kumar 密切合作,后者在開發課程材料方面發揮了重要作用。

他們在每個實驗室進行頭腦風暴和迭代,同時與助教密切合作,以確保內容適合并推進課程的核心學習目標。同時,他們幫助助教確定呈現材料的最佳方式,并就種族、性別和監視等具有社會影響的話題引導對話。

“在像 6.036 這樣的課程中,我們正在與 500 名不在那里學習道德的人打交道。他們認為他們在那里學習機器學習的基本要素,比如損失函數、激活函數等等。我們面臨的挑戰是試圖讓這些學生以非常積極和參與的方式真正參與這些討論。我們通過將社會問題與技術內容緊密結合來做到這一點,”布斯說。

例如,在一個關于如何為機器學習模型表示輸入特征的實驗室中,他們引入了不同的公平定義,要求學生考慮每個定義的優缺點,然后讓他們思考應該輸入的特征一個使它公平的模型。

四個實驗室現已在MIT OpenCourseWare上發布。一個由 SERC 學者組成的新團隊正在根據教師和學生的反饋修改其他八名,重點是學習目標、填補空白和突出重要概念。

有意的方法

SERC 副院長兼航空航天學教授 Julie Shah 說,學生在 6.036 上的努力表明 SERC 旨在以適合他們的方式與教師合作。由于這個大型課程的獨特性和緊迫的時間限制,他們調整了 SERC 流程。

SERC 是兩年多前通過麻省理工學院蘇世民計算學院成立的,旨在將來自不同學科的教師聚集到一個協作環境中,共同創建和推出專注于社會和負責任計算的新課程材料。

每個學期,SERC 團隊都會邀請十多名教職員工加入一個致力于開發新課程材料的行動小組(有幾個SERC 行動小組,每個小組都有不同的使命)。SERC 副院長、Germeshausen 科學史教授和物理學教授 David Kaiser 說,他們邀請的對象是有目的的,并尋求將可能會在較小的小組中形成富有成效的合作伙伴關系的教職員工包括在內。

這些由兩到三名教職員工組成的小組在學期中磨練了他們的共同興趣,以開發新的倫理相關材料。但不是一門學科為另一門學科服務,而是一條雙向的道路;Shah 解釋說,每位教員都會將新材料帶回他們的課程中。麻省理工學院所有五所學校的行動小組都吸引了教師。

“其中一部分涉及走出你正常的學科界限并建立一種語言,然后信任并與你正常圈子之外的新人合作。這就是為什么我認為我們的故意方法如此成功。試用材料并將新事物帶回您的課程是很好的,但建立關系是核心。這使得這對每個人都很有價值,”她說。

產生影響

在過去的兩年里,Shah 和 Kaiser 對圍繞這些努力的能量和熱情印象深刻。

自該計劃啟動以來,他們與大約 80 名教職員工合作,僅去年一年就有 2,100 多名學生參加了包含新 SERC 內容的課程。這些學生不一定都是工程師——大約 500 人通過人文、藝術和社會科學學院、斯隆管理學院和建筑與規劃學院提供的課程接觸了 SERC 的內容。

沙阿說,SERC 的核心原則是計算中的道德和社會責任應該融入麻省理工學院的所有教學領域,因此它與課程的技術部分一樣重要。技術,尤其是人工智能,現在幾乎涉及每個行業,因此所有學科的學生都應該接受培訓,幫助他們理解這些工具,并深入思考它們的力量和陷阱。

“弄清楚事情出錯的原因或發生的事情不是別人的工作。這是我們的全部責任,我們都有能力做到這一點。讓我們習慣這一點。讓我們建立起能夠停下來問那些棘手問題的能力,即使我們無法在問題集的最后找到一個答案,”Kaiser 說。

對于三位 SERC 學者來說,在沒有答案可參考的情況下,仔細提出道德問題是一項獨特的挑戰。但深入思考這些棘手的問題也幫助布斯、布利科和奧奇加姆學習、成長,并通過其他學科的視角看待世界。

他們希望 6.036 的本科生和助教能夠牢記這些重要的課程,并融入他們未來的職業生涯。

“這個過程讓我受到啟發和鼓舞,我學到了很多東西,不僅僅是技術材料,還有跨學科合作可以實現的目標。只是這種努力的規模令人興奮。如果我們有這 500 名學生組成的隊列,他們能夠更好地了解如何思考這些問題,我覺得我們真的可以有所作為,”Boulicault 說。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 人工智能
    +關注

    關注

    1791

    文章

    47187

    瀏覽量

    238268
  • 機器學習
    +關注

    關注

    66

    文章

    8407

    瀏覽量

    132567
收藏 人收藏

    評論

    相關推薦

    zeta在機器學習的應用 zeta的優缺點分析

    在探討ZETA在機器學習的應用以及ZETA的優缺點時,需要明確的是,ZETA一詞在不同領域可能有不同的含義和應用。以下是根據不同領域的ZETA進行的分析: 一、ZETA在機器
    的頭像 發表于 12-20 09:11 ?184次閱讀

    什么是機器學習?通過機器學習方法能解決哪些問題?

    計算機系統自身的性能”。事實上,由于“經驗”在計算機系統主要以數據的形式存在,因此機器學習需要設法對數據進行分析學習,這就使得它逐漸成為智能數據分析技術的創新源之一,
    的頭像 發表于 11-16 01:07 ?384次閱讀
    什么是<b class='flag-5'>機器</b><b class='flag-5'>學習</b>?通過<b class='flag-5'>機器</b><b class='flag-5'>學習</b>方法能解決哪些問題?

    NPU與機器學習算法的關系

    在人工智能領域,機器學習算法是實現智能系統的核心。隨著數據量的激增和算法復雜度的提升,對計算資源的需求也在不斷增長。NPU作為一種專門為深度學習機器
    的頭像 發表于 11-15 09:19 ?433次閱讀

    eda在機器學習的應用

    機器學習項目中,數據預處理和理解是成功構建模型的關鍵。探索性數據分析(EDA)是這一過程不可或缺的一部分。 1. 數據清洗 數據清洗 是機器學習
    的頭像 發表于 11-13 10:42 ?291次閱讀

    【《時間序列與機器學習》閱讀體驗】+ 時間序列的信息提取

    之前對《時間序列與機器學習》一書進行了整體瀏覽,并且非常輕松愉快的完成了第一章的學習,今天開始學習第二章“時間序列的信息提取”。 先粗略的翻閱第二章,
    發表于 08-14 18:00

    【「時間序列與機器學習」閱讀體驗】+ 鳥瞰這本書

    清晰,從時間序列分析的基礎理論出發,逐步深入到機器學習算法在時間序列預測的應用,內容全面,循序漸進。每一章都經過精心設計,對理論知識進行了詳細的闡述,對實際案例進行了生動的展示,使讀
    發表于 08-12 11:28

    【「時間序列與機器學習」閱讀體驗】+ 簡單建議

    這本書以其系統性的框架和深入淺出的講解,為讀者繪制了一幅時間序列分析與機器學習融合應用的宏偉藍圖。作者不僅扎實地構建了時間序列分析的基礎知識,更巧妙地展示了機器學習如何在這一領域發揮巨
    發表于 08-12 11:21

    機器學習的數據分割方法

    機器學習,數據分割是一項至關重要的任務,它直接影響到模型的訓練效果、泛化能力以及最終的性能評估。本文將從多個方面詳細探討機器學習
    的頭像 發表于 07-10 16:10 ?1698次閱讀

    如何理解機器學習的訓練集、驗證集和測試集

    理解機器學習的訓練集、驗證集和測試集,是掌握機器學習核心概念和流程的重要一步。這三者不僅構成了模型學習
    的頭像 發表于 07-10 15:45 ?3807次閱讀

    機器學習的數據預處理與特征工程

    機器學習的整個流程,數據預處理與特征工程是兩個至關重要的步驟。它們直接決定了模型的輸入質量,進而影響模型的訓練效果和泛化能力。本文將從數據預處理和特征工程的基本概念出發,詳細探討這兩個步驟的具體
    的頭像 發表于 07-09 15:57 ?395次閱讀

    機器學習算法原理詳解

    機器學習作為人工智能的一個重要分支,其目標是通過讓計算機自動從數據中學習并改進其性能,而無需進行明確的編程。本文深入解讀幾種常見的機器
    的頭像 發表于 07-02 11:25 ?988次閱讀

    機器學習在數據分析的應用

    隨著大數據時代的到來,數據量的爆炸性增長對數據分析提出了更高的要求。機器學習作為一種強大的工具,通過訓練模型從數據中學習規律,為企業和組織提供了更高效、更準確的數據分析能力。本文深入
    的頭像 發表于 07-02 11:22 ?612次閱讀

    深度學習與傳統機器學習的對比

    在人工智能的浪潮機器學習和深度學習無疑是兩大核心驅動力。它們各自以其獨特的方式推動著技術的進步,為眾多領域帶來了革命性的變化。然而,盡管它們都屬于
    的頭像 發表于 07-01 11:40 ?1327次閱讀

    SnapAI和機器學習引入Snapchat

    Snap首席執行官伊萬·斯皮格近日宣布,公司加大投資力度,人工智能和機器學習技術深度引入其主打社交應用Snapchat,以進一步提升用戶吸引力。斯皮格直言,公司在
    的頭像 發表于 05-21 09:31 ?494次閱讀

    如何使用TensorFlow構建機器學習模型

    在這篇文章,我逐步講解如何使用 TensorFlow 創建一個簡單的機器學習模型。
    的頭像 發表于 01-08 09:25 ?968次閱讀
    如何使用TensorFlow構建<b class='flag-5'>機器</b><b class='flag-5'>學習</b>模型
    主站蜘蛛池模板: 国产高清视频免费在线观看| 日韩人妻无码精品-专区| 亚洲中文字幕一二三四区苍井空| 东京热一本无码av| 欧美一区二区日韩一区二区| 51精品国产AV无码久久久密桃| 娇妻归来在线观看免费完整版电影 | 岛国大片在线播放免费| 奶水四溅54p| 97超在线视频| 美女扒开腿让男生桶免费看动态图| 国产一区日韩二区欧美三区| 日本精品久久无码影院| TUBE19UP老师学生| 欧美人与动牲交A免费| 99re在线播放| 欧美日韩看看2015永久免费| 99re6久久热在线视频| 免费在线伦理片| 45分钟做受片免费观看| 噜噜噜狠狠夜夜躁| 最近2019中文字幕MV免费看| 久久综合香蕉久久久久久久| 曰本xxⅹ孕妇性xxx| 久久偷拍国2017| 2021国产精品| 男女做爽爽爽视频免费软件| 99精品久久| 人妻插B视频一区二区三区| 成人在线观看播放| 色爱区综合小说| 国产精品人妻无码久久久奥特曼| 天天啪免费视频在线看| 国产免国产免费| 亚洲妈妈精品一区二区三区| 京香在线播放| 樱花之恋动漫免费观看| 毛片一区二区三区| 99在线精品国自产拍不卡| 日本超A大片在线观看| 国产99九九久久无码熟妇|