Tak - problemem AI nie jest samo w sobie AI - tylko podejście do zbierania danych. Data processing zabiera lwią część pracy nad projektami AI. Dlatego też wiele osób niestety chodzi na skróty i powstają później właśnie AI rozwiązania pełne uprzedzeń. Wystarczy jak się zbiera dane z internetu i na ich podstawie tworzy się rozwiązania - to na bank wyjdą uprzedzenia.
20:20 nie zgadzam się z bardzo optymistycznym wnioskiem, że osoba dyskryminowana przez model AI może pójść do sądu i wygrać. Większość rekrutacji nie opiera się na feedbacku, więc odrzucony kandydat nie ma pojęcia dlaczego nie został wybrany. Nawet jeśli dowie się o automatyzacji procesu wyboru - i tak nie ma wiedzy, żeby zakwestionować 'model-bias'. Tej samej wiedzy nie ma też ani rekruter, ani później sąd. Jedyną osobą, która ma szansę wyłapać dyskryminację jest data engineer, który może (ale nie musi) poszperać w ustawieniach modelu.. Przeciętny Kowalski jest bez szans. Tak samo jak average Joe :/
Jaki interesujący odcinek, poruszający zagadnienie z różnych stron - jak zawsze z resztą, ale tym razem nawet bardziej :) Rozmówczyni super charyzmatyczna, wspaniale o wszystkim opowiedziała
Warto by tutaj było dodać, że Dall-e 2 ma wprowadzone pewne zabezpieczenia antydyskryminacyjne, chociaż dosyć proste: mianowicie do zapytań dotyczących ludzi algorytm może losowo dokleić słowa typu female, black, Asian itd. Nie działa to idealnie, bo czasami potrafi dokleić kobietę do obrazka, który w ogóle nie miał zawierać ludzi, ale jest to jakiś start.
Świat zachodni mógłby przegrać technologiczną wojnę z Chinami, bo bardziej przejmuje się etycznym, społecznym wpływem swoich odkryć na obywateli? Zanim wdroży jakiś wynalazek musi zmierzyć się z krytyką opinii publicznej np. w sferze prywatności, wolności słowa, dyskryminacji?
okropnie słucha się osoby która operuje czymś na granicy polskiego i angielskiego. Przykładowo swapować czy dataset to nie są słowa niezastępowalne i mamy ich proste odpowiedniki w języku polskim.
Jak zwykle miły poranek z działem zagranicznym
Tak - problemem AI nie jest samo w sobie AI - tylko podejście do zbierania danych. Data processing zabiera lwią część pracy nad projektami AI. Dlatego też wiele osób niestety chodzi na skróty i powstają później właśnie AI rozwiązania pełne uprzedzeń. Wystarczy jak się zbiera dane z internetu i na ich podstawie tworzy się rozwiązania - to na bank wyjdą uprzedzenia.
20:20 nie zgadzam się z bardzo optymistycznym wnioskiem, że osoba dyskryminowana przez model AI może pójść do sądu i wygrać. Większość rekrutacji nie opiera się na feedbacku, więc odrzucony kandydat nie ma pojęcia dlaczego nie został wybrany. Nawet jeśli dowie się o automatyzacji procesu wyboru - i tak nie ma wiedzy, żeby zakwestionować 'model-bias'. Tej samej wiedzy nie ma też ani rekruter, ani później sąd. Jedyną osobą, która ma szansę wyłapać dyskryminację jest data engineer, który może (ale nie musi) poszperać w ustawieniach modelu.. Przeciętny Kowalski jest bez szans. Tak samo jak average Joe :/
Jaki interesujący odcinek, poruszający zagadnienie z różnych stron - jak zawsze z resztą, ale tym razem nawet bardziej :) Rozmówczyni super charyzmatyczna, wspaniale o wszystkim opowiedziała
Warto by tutaj było dodać, że Dall-e 2 ma wprowadzone pewne zabezpieczenia antydyskryminacyjne, chociaż dosyć proste: mianowicie do zapytań dotyczących ludzi algorytm może losowo dokleić słowa typu female, black, Asian itd. Nie działa to idealnie, bo czasami potrafi dokleić kobietę do obrazka, który w ogóle nie miał zawierać ludzi, ale jest to jakiś start.
bardzo ciekawe!
Świat zachodni mógłby przegrać technologiczną wojnę z Chinami, bo bardziej przejmuje się etycznym, społecznym wpływem swoich odkryć na obywateli? Zanim wdroży jakiś wynalazek musi zmierzyć się z krytyką opinii publicznej np. w sferze prywatności, wolności słowa, dyskryminacji?
Kozak odcinek!
Czy to znaczy, że Dział Zagraniczny idzie do NewOnce i już nie będzie dostępny bezpłatnie?
Czy w 10:34 na pewno chodził aż o miliardy parametrów? To trochę dużo zmiennych.
Można znaleźć polskie tłumaczenie tego odcinka?😂 kejsy, bajasy… no ludzie kochane!
No właśnie, momentami mam wrażenie, że podsłuchuję jakieś zebranie korporacyjne, czy jak się to nazywa w aktualnym, mało znanym mi narzeczu.
Pierwszy raz błąd w nazwisku gościa. Uśmiech pani Aleksandry jest chyba rozpraszający :)
okropnie słucha się osoby która operuje czymś na granicy polskiego i angielskiego. Przykładowo swapować czy dataset to nie są słowa niezastępowalne i mamy ich proste odpowiedniki w języku polskim.