91欧美超碰AV自拍|国产成年人性爱视频免费看|亚洲 日韩 欧美一厂二区入|人人看人人爽人人操aV|丝袜美腿视频一区二区在线看|人人操人人爽人人爱|婷婷五月天超碰|97色色欧美亚州A√|另类A√无码精品一级av|欧美特级日韩特级

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)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(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)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(huì)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
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

一個(gè)多學(xué)科的研究生團(tuán)隊(duì)幫助將道德計(jì)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(jì)算社會(huì)和道德責(zé)任倡議的一部分,一個(gè)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(jì)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(jiǎn)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(jì)算的社會(huì)和道德責(zé)任(SERC) 框架,這些學(xué)生還將停下來(lái)思考 這些人工智能工具的含義,這些工具有時(shí)會(huì)帶來(lái)意想不到的后果。

去年冬天,一個(gè)SERC 學(xué)者團(tuán)隊(duì)與講師 Leslie Kaelbling、松下計(jì)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(yàn)室注入了涵蓋道德計(jì)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(guò)程由電氣工程和計(jì)算機(jī)科學(xué)系 X 聯(lián)盟助理教授 Jacob Andreas 于 2019 年秋季啟動(dòng)。SERC 學(xué)者在多學(xué)科團(tuán)隊(duì)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(jì)算技術(shù)的同時(shí),努力應(yīng)對(duì)這些道德方面的問(wèn)題。對(duì)于一些人來(lái)說(shuō),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(píng)估了每個(gè)實(shí)驗(yàn)室,以開發(fā)具體的示例和與道德相關(guān)的問(wèn)題,以適應(yīng)該周的材料。每個(gè)人都帶來(lái)了不同的工具集。Serena Booth 是計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室 (CSAIL) 交互式機(jī)器人組的研究生。Marion Boulicault 是語(yǔ)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(jì)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(huì) (HASTS) 項(xiàng)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?cè)诿總€(gè)實(shí)驗(yàn)室進(jìn)行頭腦風(fēng)暴和迭代,同時(shí)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(shí),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(huì)影響的話題引導(dǎo)對(duì)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?cè)谀抢飳W(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(guò)將社會(huì)問(wèn)題與技術(shù)內(nèi)容緊密結(jié)合來(lái)做到這一點(diǎn),”布斯說(shuō)。

例如,在一個(gè)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(yàn)室中,他們引入了不同的公平定義,要求學(xué)生考慮每個(gè)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(gè)使它公平的模型。

四個(gè)實(shí)驗(yàn)室現(xiàn)已在MIT OpenCourseWare上發(fā)布。一個(gè)由 SERC 學(xué)者組成的新團(tuán)隊(duì)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(zhǎng)兼航空航天學(xué)教授 Julie Shah 說(shuō),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(gè)大型課程的獨(dú)特性和緊迫的時(shí)間限制,他們調(diào)整了 SERC 流程。

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

每個(gè)學(xué)期,SERC 團(tuán)隊(duì)都會(huì)邀請(qǐng)十多名教職員工加入一個(gè)致力于開發(fā)新課程材料的行動(dòng)小組(有幾個(gè)SERC 行動(dòng)小組,每個(gè)小組都有不同的使命)。SERC 副院長(zhǎng)、Germeshausen 科學(xué)史教授和物理學(xué)教授 David Kaiser 說(shuō),他們邀請(qǐng)的對(duì)象是有目的的,并尋求將可能會(huì)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(shuō),每位教員都會(huì)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(dòng)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(yǔ)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(duì)每個(gè)人都很有價(jià)值,”她說(shuō)。

產(chǎn)生影響

在過(guò)去的兩年里,Shah 和 Kaiser 對(duì)圍繞這些努力的能量和熱情印象深刻。

自該計(jì)劃啟動(dòng)以來(lái),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(guò)人文、藝術(shù)和社會(huì)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(shuō),SERC 的核心原則是計(jì)算中的道德和社會(huì)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(gè)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(cuò)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(lái)問(wèn)那些棘手問(wèn)題的能力,即使我們無(wú)法在問(wèn)題集的最后找到一個(gè)答案,”Kaiser 說(shuō)。

對(duì)于三位 SERC 學(xué)者來(lái)說(shuō),在沒(méi)有答案可參考的情況下,仔細(xì)提出道德問(wèn)題是一項(xiàng)獨(dú)特的挑戰(zhàn)。但深入思考這些棘手的問(wèn)題也幫助布斯、布利科和奧奇加姆學(xué)習(xí)、成長(zhǎng),并通過(guò)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(lái)的職業(yè)生涯。

“這個(gè)過(guò)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(duì)列,他們能夠更好地了解如何思考這些問(wèn)題,我覺(jué)得我們真的可以有所作為,”Boulicault 說(shuō)。

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(chǎng)。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(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 人工智能
    +關(guān)注

    關(guān)注

    1817

    文章

    50098

    瀏覽量

    265402
  • 機(jī)器學(xué)習(xí)

    關(guān)注

    66

    文章

    8553

    瀏覽量

    136954
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    人工智能與機(jī)器學(xué)習(xí)在這些行業(yè)的深度應(yīng)用

    自人工智能和機(jī)器學(xué)習(xí)問(wèn)世以來(lái),多個(gè)在線領(lǐng)域的數(shù)字化格局迎來(lái)了翻天覆地的變化。這些技術(shù)從誕生之初就為企業(yè)賦予了競(jìng)爭(zhēng)優(yōu)勢(shì),而在線行業(yè)正是受其影響最為顯著的領(lǐng)域。人工智能(AI)與機(jī)器學(xué)習(xí)
    的頭像 發(fā)表于 02-04 14:44 ?478次閱讀

    強(qiáng)化學(xué)習(xí)會(huì)讓自動(dòng)駕駛模型學(xué)習(xí)更快嗎?

    是一種讓機(jī)器通過(guò)“試錯(cuò)”學(xué)會(huì)決策的辦法。與監(jiān)督學(xué)習(xí)不同,監(jiān)督學(xué)習(xí)是有人提供示范答案,讓模型去模仿;而強(qiáng)化學(xué)習(xí)不會(huì)把每一步的“正確答案”都告訴
    的頭像 發(fā)表于 01-31 09:34 ?646次閱讀
    強(qiáng)化<b class='flag-5'>學(xué)習(xí)</b>會(huì)讓自動(dòng)駕駛模型<b class='flag-5'>學(xué)習(xí)</b>更快嗎?

    機(jī)器學(xué)習(xí)和深度學(xué)習(xí)需避免的 7 個(gè)常見錯(cuò)誤與局限性

    無(wú)論你是剛?cè)腴T還是已經(jīng)從事人工智能模型相關(guān)工作一段時(shí)間,機(jī)器學(xué)習(xí)和深度學(xué)習(xí)中都存在一些我們需要時(shí)刻關(guān)注并銘記的常見錯(cuò)誤。如果對(duì)這些錯(cuò)誤置之不理,日后可能會(huì)引發(fā)諸多麻煩!只要我們密切關(guān)注數(shù)據(jù)、模型架構(gòu)
    的頭像 發(fā)表于 01-07 15:37 ?192次閱讀
    <b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>和深度<b class='flag-5'>學(xué)習(xí)</b><b class='flag-5'>中</b>需避免的 7 個(gè)常見錯(cuò)誤與局限性

    基于ETAS嵌入式AI工具鏈機(jī)器學(xué)習(xí)模型部署到量產(chǎn)ECU

    AI在汽車行業(yè)的應(yīng)用日益深化,如何機(jī)器學(xué)習(xí)領(lǐng)域的先進(jìn)模型(如虛擬傳感器)集成到ECU軟件,已成為業(yè)界面臨的核心挑戰(zhàn)。
    的頭像 發(fā)表于 12-24 10:55 ?6108次閱讀
    基于ETAS嵌入式AI工具鏈<b class='flag-5'>將</b><b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>模型部署到量產(chǎn)ECU

    使用TinyFPGA-Bootloader將比特流加載到FPGA

    在 FPGA 設(shè)計(jì),一個(gè)常見但略顯繁瑣的環(huán)節(jié)是:如何方便地新的比特流加載到 FPGA。尤其是在沒(méi)有專用 USB-JTAG/編程芯片或者在低成本板卡,傳統(tǒng)的編程方式可能需要額外硬件
    的頭像 發(fā)表于 12-19 15:20 ?4970次閱讀
    使用TinyFPGA-Bootloader將比特流<b class='flag-5'>加載到</b>FPGA

    如何在機(jī)器視覺(jué)中部署深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)

    人士而言往往難以理解,人們也常常誤以為需要扎實(shí)的編程技能才能真正掌握并合理使用這項(xiàng)技術(shù)。事實(shí)上,這種印象忽視了該技術(shù)為機(jī)器視覺(jué)(乃至生產(chǎn)自動(dòng)化)帶來(lái)的潛力,因?yàn)樯疃?b class='flag-5'>學(xué)習(xí)并非只屬于計(jì)算機(jī)科學(xué)家或程序員。 從頭開始:什么
    的頭像 發(fā)表于 09-10 17:38 ?901次閱讀
    如何在<b class='flag-5'>機(jī)器</b>視覺(jué)中部署深度<b class='flag-5'>學(xué)習(xí)</b>神經(jīng)網(wǎng)絡(luò)

    如何解決開發(fā)機(jī)器學(xué)習(xí)程序時(shí)Keil項(xiàng)目只能在調(diào)試模式下運(yùn)行,但無(wú)法正常執(zhí)行的問(wèn)題?

    如何解決開發(fā)機(jī)器學(xué)習(xí)程序時(shí)Keil項(xiàng)目只能在調(diào)試模式下運(yùn)行,但無(wú)法正常執(zhí)行的問(wèn)題
    發(fā)表于 08-28 07:28

    貿(mào)澤電子2025邊緣AI與機(jī)器學(xué)習(xí)技術(shù)創(chuàng)新論壇回顧(上)

    2025年,隨著人工智能技術(shù)的快速發(fā)展,邊緣AI與機(jī)器學(xué)習(xí)市場(chǎng)迎來(lái)飛速增長(zhǎng),據(jù)Gartner預(yù)計(jì),2025年至2030年,邊緣AI市場(chǎng)保持23%的復(fù)合年增長(zhǎng)率。
    的頭像 發(fā)表于 07-21 11:08 ?1178次閱讀
    貿(mào)澤電子2025邊緣AI與<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>技術(shù)創(chuàng)新論壇回顧(上)

    FPGA在機(jī)器學(xué)習(xí)的具體應(yīng)用

    ,越來(lái)越多地被應(yīng)用于機(jī)器學(xué)習(xí)任務(wù)。本文探討 FPGA 在機(jī)器學(xué)習(xí)
    的頭像 發(fā)表于 07-16 15:34 ?2898次閱讀

    邊緣計(jì)算機(jī)器學(xué)習(xí):基于 Linux 系統(tǒng)的實(shí)時(shí)推理模型部署與工業(yè)集成!

    你好,旅行者!歡迎來(lái)到Medium的這一角落。在本文中,我們將把一個(gè)機(jī)器學(xué)習(xí)模型(神經(jīng)網(wǎng)絡(luò))部署到邊緣設(shè)備上,利用從ModbusTCP寄存器獲取的實(shí)時(shí)數(shù)據(jù)來(lái)預(yù)測(cè)一臺(tái)復(fù)古音頻放大器的當(dāng)前健康狀況。你
    的頭像 發(fā)表于 06-11 17:22 ?1000次閱讀
    邊緣計(jì)算<b class='flag-5'>中</b>的<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>:基于 Linux 系統(tǒng)的實(shí)時(shí)推理模型部署與工業(yè)集成!

    使用MATLAB進(jìn)行無(wú)監(jiān)督學(xué)習(xí)

    無(wú)監(jiān)督學(xué)習(xí)是一種根據(jù)未標(biāo)注數(shù)據(jù)進(jìn)行推斷的機(jī)器學(xué)習(xí)方法。無(wú)監(jiān)督學(xué)習(xí)旨在識(shí)別數(shù)據(jù)隱藏的模式和關(guān)系,無(wú)需任何監(jiān)督或關(guān)于結(jié)果的先驗(yàn)知識(shí)。
    的頭像 發(fā)表于 05-16 14:48 ?1447次閱讀
    使用MATLAB進(jìn)行無(wú)監(jiān)督<b class='flag-5'>學(xué)習(xí)</b>

    【「# ROS 2智能機(jī)器人開發(fā)實(shí)踐」閱讀體驗(yàn)】視覺(jué)實(shí)現(xiàn)的基礎(chǔ)算法的應(yīng)用

    : 一、機(jī)器人視覺(jué):從理論到實(shí)踐 第7章詳細(xì)介紹了ROS2在機(jī)器視覺(jué)領(lǐng)域的應(yīng)用,涵蓋了相機(jī)標(biāo)定、OpenCV集成、視覺(jué)巡線、二維碼識(shí)別以及深度學(xué)習(xí)目標(biāo)檢測(cè)等內(nèi)容。通過(guò)
    發(fā)表于 05-03 19:41

    【「# ROS 2智能機(jī)器人開發(fā)實(shí)踐」閱讀體驗(yàn)】+內(nèi)容初識(shí)

    人應(yīng)用案例:書中提供了多個(gè)機(jī)器人應(yīng)用案例,幫助讀者所學(xué)的 ROS 2 知識(shí)應(yīng)用到實(shí)際的機(jī)器人項(xiàng)目中。例如,在自主移動(dòng)機(jī)器人案例,詳細(xì)講解
    發(fā)表于 04-27 11:24

    **【技術(shù)干貨】Nordic nRF54系列芯片:傳感器數(shù)據(jù)采集與AI機(jī)器學(xué)習(xí)的完美結(jié)合**

    和更多外設(shè)接口。無(wú)論是運(yùn)行還是休眠狀態(tài),功耗表現(xiàn)都非常出色! 3. 在傳感器數(shù)據(jù)采集與AI機(jī)器學(xué)習(xí)的優(yōu)勢(shì)? 答:主頻高、功耗低,內(nèi)置專用核處理數(shù)據(jù)采集,還配備AI加速器,讓AI算法運(yùn)行更高效! 4.
    發(fā)表于 04-01 00:00

    請(qǐng)問(wèn)STM32部署機(jī)器學(xué)習(xí)算法硬件至少要使用哪個(gè)系列的芯片?

    STM32部署機(jī)器學(xué)習(xí)算法硬件至少要使用哪個(gè)系列的芯片?
    發(fā)表于 03-13 07:34