当 Twitter 在四月份推出负责任的机器学习计划时，这并不令人意外。其他大公司（例如谷歌和微软）已经采取了自己的措施，以实现更加道德、合规、安全和以人为本的人工智能。而且，如果您等待一段时间，您很快就会看到其他公司将如何效仿。 这是有道理的，尤其是当机器学习和人工智能在我们每天使用的多种产品中实施时。如果不负责任地开发和使用这些技术，人们可能会受到各种影响，从用户体验有限等无害的事情到遭受歧视等更严重的问题。 幸运的是，这种更负责任地使用机器学习的转变正变得越来越明显和广泛。这就是为什么真正理解它的含义以及为什么我们都需要接受它，讨论负责任的机器学习，甚至要求 工程师、开发团队 开发服务、自由开发人员、初创公司、大公司和任何其他参与者这样做是很重要的。
这在机器学习开发中发挥着作用
什么是负责任的机器学习？ 负责任的机器学习没有单一的定义。这是因为不同的人和组织对该责任的限制有不同的看法。例如，Twitter 的“负责任的机器学习计划”指出，这种责任包括照顾其 ML 算法的决策、确保其结果的公平性和公平性、保证所有 ML 相关决策的透明度以及支持机构和算法选择。它还包括研究机器学习随着时间的 巴西手机号码数据 推移可能产生的影响。 尽管这个定义看起来很全面，但它肯定更适合 自己对机器学习的使用。但它确实展示了负责任的机器学习的良好定义应该包括什么：机器学习本身的使用及其发展和效果。 这就是为什么我认为最好的定义来自道德人工智能和机器学习研究所，该组织制定了一系列原则来指导机器学习系统的负责任开发。 这些原则如下： 人体增强。
人们相信机器学习可能会提供错误
的预测，这就是为什么它总是需要人类来监督它。 偏差评估。致力于不断分析机器学习中的潜在偏差以纠正它们。 通过论证的可解释性。任何开发基于机器学习的工具的人都应该致力于提高其透明度。 可重复的操作。机器学习应该拥有适当的基础设施来保证机器学习系统操作的可重复性。 位移策略。机器学习开发应该减轻机器学习采 地理标志列表 用对人类的影响，特别是当自动化解决方案取代工人时。 实用准确性。机器学习解决方案应尽可能精确，这只能通过高质量的流程来实现。 信任源于隐私。致力于构建保护机器学习处理的数据并保证其隐私的流程。 数据风险意识。人们相信机器学习很容易受到攻击，这就是为什么工程师必须不断开发新流程以确保高水平的安全性。
