Turinys:
Apibrėžimas - ką reiškia mašinos šališkumas?
Mašinos šališkumas yra klaidingų prielaidų poveikis mašininio mokymosi procesams. Šališkumas atspindi problemas, susijusias su duomenų rinkimu ar naudojimu, kai sistemos daro netinkamas išvadas apie duomenų rinkinius dėl žmogaus įsikišimo arba dėl kognityvinio duomenų įvertinimo trūkumo.
Mašinos šališkumas taip pat žinomas kaip algoritmo šališkumas arba tiesiog šališkumas.
„Techopedia“ paaiškina mašinos šališkumą
Mašinos šališkumas būna įvairių formų. Vienas ryškiausių pavyzdžių yra mašininio mokymosi sistemų naudojimas, kad būtų galima priimti sprendimus apie atskirus žmones ar žmonių grupes. Pavyzdžiui, kai kurie mašininio mokymosi modeliai, kai jie naudojami baudžiamojo teisingumo srityje, daro prielaidą, kad asmenų nusikalstamumas yra didesnis dėl paviršutiniškų duomenų, tokių kaip etninė priklausomybė ar vietovė.
Kitas būdas paaiškinti mašinų šališkumą moksliniu požiūriu yra apibūdinti tai kaip duomenų, kurie nėra savaime pagrįsti, grupavimą, kai šališkumas yra viena iš to, ką inžinieriai kalba apie „šališkumo variacijos“ kompromisą. Didelis poslinkis gali sukelti netinkamą grupavimą. Didelis dispersija gali sukelti per didelį duomenų išsklaidymą. Inžinieriai gali nurodyti sistemą ar rezultatą kaip „didelį paklaidą, didelį dispersiją“ arba „mažą paklaidą, didelį dispersiją“ ar kokį kitą derinį.
