Как повысить точность систем искусственного интеллекта с помощью диверсифицированных данных

Поскольку ИИ играет все большую роль в нашей жизни, важно обеспечить, чтобы проекты ИИ работали для всех. Это включает в себя минимизацию предвзятых данных за счет определения приоритетов точных и ответственных методов маркировки данных, - говорит Керри Рейнольдс, старший вице-президент по кадрам и краудсорсингу в Appen. 

Искусственный интеллект (ИИ) превратился из научной фантастики в реальность. Согласно Gartner , «ИИ начинает реализовывать свой потенциал, и его преимущества для бизнеса становятся реальностью». Отчет BCG MIT Sloan показывает, что более половины компаний уже тестируют или внедряют ИИ. Однако текущее состояние ИИ также вызвало обеспокоенность по поводу его влияния на общество. Некоторые опасаются, что модели искусственного интеллекта, построенные на частичных или некачественных данных, не принесут одинаковой выгоды всем гражданам. Другие опасаются сбоев, которые произойдут, когда ИИ начнет массово сокращать рабочие места. Чтобы упростить переход к экономике ИИ, аналитики, предприятия и правительства задаются вопросом, как заставить ИИ работать на всех.

Создание ИИ, подходящего для всех
Проект искусственного интеллекта, который работает не для всех одинаково, не работает ни для кого - ни для пользователей, ни для компаний, которые его разрабатывают. Возьмем этот простой пример: механизм распознавания речи, обученный распознавать только англоговорящих мужчин, не сможет распознать многих женщин и почти всех с акцентом. Если этот речевой механизм развернут в приложении для определения маршрута транспортного средства, многие водители могут расстроиться, опоздать или потеряться, когда их «помощник по вождению» неправильно поймет их пункт назначения. Они могут даже отвлекаться, пытаясь связаться с системой, создавая опасную ситуацию. Результат для производителя? Жалобы потребителей, судебные иски, отмененные заказы и длительный ущерб бренду, если название компании ассоциируется с травмированными водителями и пассажирами.

Предвзятые данные аналогичным образом исказят или подорвут приложения на базе ИИ, от механизмов рекомендаций и оптимизации цепочки поставок до медицинской диагностики, технологий распознавания лиц и робототехники.

Устранение недостатка данных зависит от правильного обучения модели. Перед обработкой алгоритмом данные обучения должны быть собраны, очищены и аннотированы людьми. Аннотация относится к применению меток и тегов к необработанным данным. Эти теги определяют ключевые особенности, относящиеся к решениям, которые примет алгоритм машинного обучения . Например, это общепринятое английское слово? Есть ли на этом изображении человек? Это пятно на сердце или просто тень? и т. д. Точность этих этикеток напрямую влияет на точность прогнозов машины на будущее. Машина, обученная на плохо размеченных данных, будет совершать ошибки, делать прогнозы с низкой степенью достоверности и в конечном итоге никогда не давать желаемых результатов.

Единственный способ обеспечить беспристрастную и точную маркировку - это положиться на обширную и очень разнообразную группу или «толпу» умных, преданных своему делу комментаторов, представляющих самый широкий спектр ценностей, культур, образования и опыта. Обеспечение такого разнообразия также называют «ответственным ИИ». Количество аннотаторов AI уже исчисляется миллионами во всем мире, и рост будет продолжать ускоряться. Тогда возникает другой вопрос: работает ли ИИ для глобальной толпы, создавая его?

Узнать больше: Использование каталогов данных для предоставления бизнесу полезной информации

Разработка ответственных цепочек поставок ИИ
Потребность в миллионах новых аннотаторов, несомненно, откроет новые возможности для тех, кто хочет стать частью экономики искусственного интеллекта, построенной на потоке новых приложений. Тем не менее, руководители ИИ несут этическую ответственность за понимание, кто эти аннотаторы, и за справедливое обращение с ними. Это правильный поступок, и таким образом они смогут обеспечить стабильные высококачественные результаты.

Аннотаторы и сборщики данных действительно являются незамеченными героями экономики ИИ, гарантируя, что ИИ работает в реальном мире. Они обладают уникальными навыками и историями, а их различный опыт и знания делают эту глобальную толпу важным сообществом, заставляющим ИИ работать. Большинство комментаторов - подрядчики, и они представляют собой невероятно разнообразную группу с такими мотивами, как родители-одиночки, поддерживающие свои семьи, студенты, нуждающиеся в дополнительном доходе, соискатели с ограниченными возможностями в их районе или люди, которые просто рады участвовать в экономике ИИ. . 

В своей роли я наблюдаю за нашим взаимодействием с более чем одним миллионом участников в нашей толпе, и меня всегда впечатляют их истории. Один участник из Швеции рассказал, как аннотации данных помогли ей продолжать зарабатывать деньги во время химиотерапии. Другой из США описал свою борьбу с тяжелой болезнью: «Когда я узнала, что у меня рассеянный склероз, я впала в глубокую депрессию, потому что у меня только что украли всю мою жизнь. Мне казалось, что мои цели и мечты были потеряны, все изменилось. Аннотирование для AI помогло мне с этим справиться. Я смог сделать что-то продуктивное ».

Авторы также гордятся своим влиянием на работу ИИ в реальном мире. Как поделился один аннотатор из Бразилии: «Алгоритмы учатся у нас, а затем учатся друг у друга. Если мы сможем улучшить их с помощью хороших знаний, основанных на строгой этике, мы будем двигаться вперед как общество ». А комментатор из Индии написал: «Мой вклад в создание ИИ для будущих поколений не только дает мне чувство гордости, но и дает мне большее чувство удовлетворения. Я чувствую, что мы как команда выстраиваем передний план для одного из важных технологических достижений завтрашнего дня ».

Чтобы услышать эти истории и признать важность этих участников для успеха ИИ, мы должны придерживаться ответственного подхода к ИИ . Предприятия и правительства должны принять этический кодекс AI-аннотаторов, который обеспечивает благополучие аннотаторов за счет справедливой заработной платы, здоровых условий, интеграции, уважения к частной жизни и конфиденциальности и т. Разработка этического кодекса ИИ-аннотатора также имеет хороший бизнес-смысл, поскольку может помочь обеспечить стабильные поставки высококачественных обучающих данных, создаваемых участниками, которые знают, что кто-то заботится об их благополучии.

ИИ является частью нашей повседневной жизни, и пути назад нет, поэтому все мы должны сделать так, чтобы ИИ работал для всех. Компании, которые берут на себя обязательства по ответственным проектам искусственного интеллекта, основанным на беспристрастных и высококачественных данных, обеспечат успех проекта и получат более полное представление о бизнесе, ускорят инновации и получат повышенную рентабельность инвестиций - и все это при соблюдении ответственного и этичного подхода, который защищает их бренды и делает мир лучше. место.