0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

將道德內(nèi)容加載到機(jī)器學(xué)習(xí)中 學(xué)會批判性地思考機(jī)器學(xué)習(xí)

汽車電子技術(shù) ? 2022-04-18 18:52 ? 次閱讀

一個多學(xué)科的研究生團(tuán)隊幫助將道德計算內(nèi)容注入麻省理工學(xué)院最大的機(jī)器學(xué)習(xí)課程。

作為計算社會和道德責(zé)任倡議的一部分,一個多學(xué)科的研究生小組努力為麻省理工學(xué)院最大的機(jī)器學(xué)習(xí)課程之一注入與道德計算、數(shù)據(jù)和模型偏差以及機(jī)器學(xué)習(xí)公平性相關(guān)的材料。

參加 MIT 課程 6.036(機(jī)器學(xué)習(xí)簡介)的學(xué)生學(xué)習(xí)強(qiáng)大模型背后的原理,這些模型可幫助醫(yī)生診斷疾病或幫助招聘人員篩選求職者。

現(xiàn)在,由于計算的社會和道德責(zé)任(SERC) 框架,這些學(xué)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(xué)者團(tuán)隊與講師 Leslie Kaelbling、松下計算機(jī)科學(xué)與工程教授以及 6.036 名助教合作,為每周實(shí)驗室注入了涵蓋道德計算、數(shù)據(jù)和模型偏差以及機(jī)器學(xué)習(xí)公平性的材料。該過程由電氣工程和計算機(jī)科學(xué)系 X 聯(lián)盟助理教授 Jacob Andreas 于 2019 年秋季啟動。SERC 學(xué)者在多學(xué)科團(tuán)隊中合作,幫助博士后和教師開發(fā)新的課程材料。

由于 6.036 課程如此龐大,因此 2021 年春季學(xué)期入學(xué)的 500 多名學(xué)生在努力學(xué)習(xí)新的計算技術(shù)的同時,努力應(yīng)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(xué)術(shù)環(huán)境中批判性地思考機(jī)器學(xué)習(xí)的潛在負(fù)面影響。

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

他們在每個實(shí)驗室進(jìn)行頭腦風(fēng)暴和迭代,同時與助教密切合作,以確保內(nèi)容適合并推進(jìn)課程的核心學(xué)習(xí)目標(biāo)。同時,他們幫助助教確定呈現(xiàn)材料的最佳方式,并就種族、性別和監(jiān)視等具有社會影響的話題引導(dǎo)對話。

“在像 6.036 這樣的課程中,我們正在與 500 名不在那里學(xué)習(xí)道德的人打交道。他們認(rèn)為他們在那里學(xué)習(xí)機(jī)器學(xué)習(xí)的基本要素,比如損失函數(shù)、激活函數(shù)等等。我們面臨的挑戰(zhàn)是試圖讓這些學(xué)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(shù)內(nèi)容緊密結(jié)合來做到這一點(diǎn),”布斯說。

例如,在一個關(guān)于如何為機(jī)器學(xué)習(xí)模型表示輸入特征的實(shí)驗室中,他們引入了不同的公平定義,要求學(xué)生考慮每個定義的優(yōu)缺點(diǎn),然后讓他們思考應(yīng)該輸入的特征一個使它公平的模型。

四個實(shí)驗室現(xiàn)已在MIT OpenCourseWare上發(fā)布。一個由 SERC 學(xué)者組成的新團(tuán)隊正在根據(jù)教師和學(xué)生的反饋修改其他八名,重點(diǎn)是學(xué)習(xí)目標(biāo)、填補(bǔ)空白和突出重要概念。

有意的方法

SERC 副院長兼航空航天學(xué)教授 Julie Shah 說,學(xué)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(dú)特性和緊迫的時間限制,他們調(diào)整了 SERC 流程。

SERC 是兩年多前通過麻省理工學(xué)院蘇世民計算學(xué)院成立的,旨在將來自不同學(xué)科的教師聚集到一個協(xié)作環(huán)境中,共同創(chuàng)建和推出專注于社會和負(fù)責(zé)任計算的新課程材料。

每個學(xué)期,SERC 團(tuán)隊都會邀請十多名教職員工加入一個致力于開發(fā)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(xué)史教授和物理學(xué)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(guān)系的教職員工包括在內(nèi)。

這些由兩到三名教職員工組成的小組在學(xué)期中磨練了他們的共同興趣,以開發(fā)新的倫理相關(guān)材料。但不是一門學(xué)科為另一門學(xué)科服務(wù),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(xué)院所有五所學(xué)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(xué)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(rèn)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(guān)系是核心。這使得這對每個人都很有價值,”她說。

產(chǎn)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(xué)生參加了包含新 SERC 內(nèi)容的課程。這些學(xué)生不一定都是工程師——大約 500 人通過人文、藝術(shù)和社會科學(xué)學(xué)院、斯隆管理學(xué)院和建筑與規(guī)劃學(xué)院提供的課程接觸了 SERC 的內(nèi)容。

沙阿說,SERC 的核心原則是計算中的道德和社會責(zé)任應(yīng)該融入麻省理工學(xué)院的所有教學(xué)領(lǐng)域,因此它與課程的技術(shù)部分一樣重要。技術(shù),尤其是人工智能,現(xiàn)在幾乎涉及每個行業(yè),因此所有學(xué)科的學(xué)生都應(yīng)該接受培訓(xùn),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(fā)生的事情不是別人的工作。這是我們的全部責(zé)任,我們都有能力做到這一點(diǎn)。讓我們習(xí)慣這一點(diǎn)。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(xué)者來說,在沒有答案可參考的情況下,仔細(xì)提出道德問題是一項獨(dú)特的挑戰(zhàn)。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(xué)習(xí)、成長,并通過其他學(xué)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(yè)生涯。

“這個過程讓我受到啟發(fā)和鼓舞,我學(xué)到了很多東西,不僅僅是技術(shù)材料,還有跨學(xué)科合作可以實(shí)現(xiàn)的目標(biāo)。只是這種努力的規(guī)模令人興奮。如果我們有這 500 名學(xué)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(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 人工智能
    +關(guān)注

    關(guān)注

    1789

    文章

    46652

    瀏覽量

    237090
  • 機(jī)器學(xué)習(xí)

    關(guān)注

    66

    文章

    8349

    瀏覽量

    132315
收藏 人收藏

    評論

    相關(guān)推薦

    具身智能與機(jī)器學(xué)習(xí)的關(guān)系

    (如機(jī)器人、虛擬代理等)通過與物理世界或虛擬環(huán)境的交互來獲得、發(fā)展和應(yīng)用智能的能力。這種智能不僅包括認(rèn)知和推理能力,還包括感知、運(yùn)動控制和環(huán)境適應(yīng)能力。具身智能強(qiáng)調(diào)智能體的身體和環(huán)境在智能發(fā)展的重要性。 2. 機(jī)器
    的頭像 發(fā)表于 10-27 10:33 ?239次閱讀

    【《時間序列與機(jī)器學(xué)習(xí)》閱讀體驗】+ 時間序列的信息提取

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

    【「時間序列與機(jī)器學(xué)習(xí)」閱讀體驗】+ 鳥瞰這本書

    清晰,從時間序列分析的基礎(chǔ)理論出發(fā),逐步深入到機(jī)器學(xué)習(xí)算法在時間序列預(yù)測的應(yīng)用,內(nèi)容全面,循序漸進(jìn)。每一章都經(jīng)過精心設(shè)計,對理論知識進(jìn)行了詳細(xì)的闡述,對實(shí)際案例進(jìn)行了生動的展示,使讀
    發(fā)表于 08-12 11:28

    【「時間序列與機(jī)器學(xué)習(xí)」閱讀體驗】+ 簡單建議

    這本書以其系統(tǒng)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(jī)器學(xué)習(xí)融合應(yīng)用的宏偉藍(lán)圖。作者不僅扎實(shí)地構(gòu)建了時間序列分析的基礎(chǔ)知識,更巧妙地展示了機(jī)器學(xué)習(xí)如何在這一領(lǐng)域發(fā)揮巨
    發(fā)表于 08-12 11:21

    機(jī)器學(xué)習(xí)的數(shù)據(jù)分割方法

    機(jī)器學(xué)習(xí),數(shù)據(jù)分割是一項至關(guān)重要的任務(wù),它直接影響到模型的訓(xùn)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(xì)探討機(jī)器學(xué)習(xí)
    的頭像 發(fā)表于 07-10 16:10 ?1177次閱讀

    如何理解機(jī)器學(xué)習(xí)的訓(xùn)練集、驗證集和測試集

    理解機(jī)器學(xué)習(xí)的訓(xùn)練集、驗證集和測試集,是掌握機(jī)器學(xué)習(xí)核心概念和流程的重要一步。這三者不僅構(gòu)成了模型學(xué)習(xí)
    的頭像 發(fā)表于 07-10 15:45 ?2921次閱讀

    機(jī)器學(xué)習(xí)的數(shù)據(jù)預(yù)處理與特征工程

    機(jī)器學(xué)習(xí)的整個流程,數(shù)據(jù)預(yù)處理與特征工程是兩個至關(guān)重要的步驟。它們直接決定了模型的輸入質(zhì)量,進(jìn)而影響模型的訓(xùn)練效果和泛化能力。本文將從數(shù)據(jù)預(yù)處理和特征工程的基本概念出發(fā),詳細(xì)探討這兩個步驟的具體
    的頭像 發(fā)表于 07-09 15:57 ?272次閱讀

    機(jī)器學(xué)習(xí)算法原理詳解

    機(jī)器學(xué)習(xí)作為人工智能的一個重要分支,其目標(biāo)是通過讓計算機(jī)自動從數(shù)據(jù)中學(xué)習(xí)并改進(jìn)其性能,而無需進(jìn)行明確的編程。本文深入解讀幾種常見的機(jī)器
    的頭像 發(fā)表于 07-02 11:25 ?672次閱讀

    機(jī)器學(xué)習(xí)在數(shù)據(jù)分析的應(yīng)用

    隨著大數(shù)據(jù)時代的到來,數(shù)據(jù)量的爆炸性增長對數(shù)據(jù)分析提出了更高的要求。機(jī)器學(xué)習(xí)作為一種強(qiáng)大的工具,通過訓(xùn)練模型從數(shù)據(jù)中學(xué)習(xí)規(guī)律,為企業(yè)和組織提供了更高效、更準(zhǔn)確的數(shù)據(jù)分析能力。本文深入
    的頭像 發(fā)表于 07-02 11:22 ?515次閱讀

    深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的對比

    在人工智能的浪潮,機(jī)器學(xué)習(xí)和深度學(xué)習(xí)無疑是兩大核心驅(qū)動力。它們各自以其獨(dú)特的方式推動著技術(shù)的進(jìn)步,為眾多領(lǐng)域帶來了革命性的變化。然而,盡管它們都屬于
    的頭像 發(fā)表于 07-01 11:40 ?1100次閱讀

    機(jī)器學(xué)習(xí)的經(jīng)典算法與應(yīng)用

    關(guān)于數(shù)據(jù)機(jī)器學(xué)習(xí)就是喂入算法和數(shù)據(jù),讓算法從數(shù)據(jù)尋找一種相應(yīng)的關(guān)系。Iris鳶尾花數(shù)據(jù)集是一個經(jīng)典數(shù)據(jù)集,在統(tǒng)計學(xué)習(xí)機(jī)器
    的頭像 發(fā)表于 06-27 08:27 ?1545次閱讀
    <b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>的經(jīng)典算法與應(yīng)用

    SnapAI和機(jī)器學(xué)習(xí)引入Snapchat

    Snap首席執(zhí)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(jī)器學(xué)習(xí)技術(shù)深度引入其主打社交應(yīng)用Snapchat,以進(jìn)一步提升用戶吸引力。斯皮格直言,公司在
    的頭像 發(fā)表于 05-21 09:31 ?464次閱讀

    機(jī)器學(xué)習(xí)怎么進(jìn)入人工智能

    ,人工智能已成為一個熱門領(lǐng)域,涉及到多個行業(yè)和領(lǐng)域,例如語音識別、機(jī)器翻譯、圖像識別等。 在編程中進(jìn)行人工智能的關(guān)鍵是使用機(jī)器學(xué)習(xí)算法,這是一類基于樣本數(shù)據(jù)和模型訓(xùn)練來進(jìn)行預(yù)測和判斷的算法。下面
    的頭像 發(fā)表于 04-04 08:41 ?232次閱讀

    機(jī)器學(xué)習(xí)8大調(diào)參技巧

    今天給大家一篇關(guān)于機(jī)器學(xué)習(xí)調(diào)參技巧的文章。超參數(shù)調(diào)優(yōu)是機(jī)器學(xué)習(xí)例程的基本步驟之一。該方法也稱為超參數(shù)優(yōu)化,需要搜索超參數(shù)的最佳配置以實(shí)現(xiàn)最
    的頭像 發(fā)表于 03-23 08:26 ?551次閱讀
    <b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>8大調(diào)參技巧

    如何使用TensorFlow構(gòu)建機(jī)器學(xué)習(xí)模型

    在這篇文章,我逐步講解如何使用 TensorFlow 創(chuàng)建一個簡單的機(jī)器學(xué)習(xí)模型。
    的頭像 發(fā)表于 01-08 09:25 ?895次閱讀
    如何使用TensorFlow構(gòu)建<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>模型