ข้ามไปยังเนื้อหาหลัก
ไปที่แดชบอร์ด
หากไม่แน่ใจว่าจะเริ่มจากตรงไหน ลองทำแบบทดสอบสั้นๆ เพื่อรับคำแนะนำที่ปรับให้เหมาะกับคุณ
บทเรียนที่ 6 จาก 8
อคติในระบบการเรียนรู้ของเครื่องจักร
5 นาที บทเรียนที่ต้องศึกษาต่อ

อคติในระบบการเรียนรู้ของเครื่องจักร

79390180-18368d80-7f24-11ea-936e-22c30be1ccda_lnyPSqk.jpg

เข้าใจว่าอคติจาก ML คืออะไรและจะหลีกเลี่ยงได้อย่างไร

79390180-18368d80-7f24-11ea-936e-22c30be1ccda_lnyPSqk.jpg

ความเป็นธรรมของระบบการเรียนรู้ของเครื่องจักร

79390180-18368d80-7f24-11ea-936e-22c30be1ccda.jpg

บทเรียนนี้นำเสนอเกี่ยวกับระบบการเรียนรู้ของเครื่องจักรเพื่อช่วยเสริมการทำงานของคุณ เพื่อประหยัดเวลาสำหรับงานในปัจจุบันและเปิดโอกาสสู่ส่วนงานใหม่ ๆML สามารถทำอะไรให้กับคุณได้มาก แต่ก็มีปัญหาที่คุณไม่ควรมองข้ามเช่นกัน

เพื่อจัดการกับปัญหาเหล่านี้ นักวิจัยและผู้ปฏิบัติงานเป็นจำนวนมากจึงเริ่มให้ความสำคัญกับประเด็นด้าน “ความเป็นธรรม” ของระบบการเรียนรู้ของเครื่องจักรหลักการชี้นำคือ ML ควรเอื้อประโยชน์แก่ทุกคนอย่างเท่าเทียมกัน ไม่ว่าจะอยู่ในกลุ่มใดของสังคม และไม่ว่าจะอยู่ภายใต้โครงสร้างหรือกรอบผลกระทบในลักษณะใดก็ตาม

79390180-18368d80-7f24-11ea-936e-22c30be1ccda.jpg

อคติหมายถึงอะไร

6.2.jpg

ผลลบที่อาจเกิดขึ้นจากการใช้ระบบการเรียนรู้ของเครื่องจักรคืออะไรคำตอบสั้น ๆ คืออคติ 


มนุษย์ทุกคนมีอคติส่วนตัวอคติคือเครื่องมือที่สมองของเราใช้เพื่อจัดการกับข้อมูลที่เราจะคัดทิ้งในแต่ละวัน 


ลองดูจากตัวอย่างต่อไปนี้ ให้ปิดตาแล้วนึกภาพรองเท้าส่วนใหญ่คนจะนึกถึงรองเท้าผ้าใบเป็นอันดับแรกหรือรองเท้าหนังสำหรับผู้ชายไม่ค่อยบ่อยนักที่คุณจะนึกถึงรองเท้าส้นสูงสำหรับสตรีเราอาจไม่ทราบสาเหตุ แต่ทุกคนล้วนมีอคติแฝงเกี่ยวกับมุมมองที่มีต่อผู้อื่น 

ลองนึกดูว่าคุณต้องการที่จะสอนคอมพิวเตอร์ให้ตรวจจำภาพรองเท้าคุณอาจนำเสนอข้อมูลผ่านอคติที่คุณมีและนี่คือสิ่งที่เกิดขึ้นกับระบบการเรียนรู้ของเครื่องจักรแม้ว่าจะมีเจตนาที่ดี แต่เราเองไม่สามารถปฏิเสธอคติที่เราแต่ละคนมีได้

6.2.jpg

อคติสามประเภท

6.3_SbkljXh.jpg

มีอยู่หลายวิธีที่อคติของเราอาจส่งผลต่อระบบการเรียนรู้ของเครื่องจักรที่เราพัฒนาขึ้น:


อคติในการโต้ตอบ

ลองพิจารณาจากตัวอย่างก่อนหน้านี้: หากเราฝึกสอนตัวแบบการทำงานของเราให้ตรวจจำภาพรองเท้าโดยใช้ชุดข้อมูลที่เป็นภาพรองเท้าผ้าใบ ระบบก็จะไม่สามารถตรวจจำรองเท้าส้นสูงว่าเป็นรองเท้า


อคติแฝง

หากคุณฝึกสอน ML เกี่ยวกับนักวิทยาศาสตร์โดยใช้ภาพของนักวิทยาศาสตร์ที่มีชื่อเสียงในอดีต อัลกอริทึมของคุณก็อาจเรียนรู้จากกลุ่มนักวิทยาศาสตร์ที่เป็นบุรุษเท่านั้น

อคติในการเลือก

สมมติว่าคุณกำลังฝึกสอนตัวแบบการทำงานให้ตรวจจำใบหน้าหากข้อมูลที่คุณใช้ฝึกสอนนำเสนอคนกลุ่มกลุ่มเดียว ระบบก็จะทำงานได้ดีกับคนกลุ่มนี้มากกว่าคนกลุ่มอื่น ซึ่งอาจส่งผลในการตรวจจำเชื้อชาติที่แตกต่างออกไป


ดังนั้นเราจะหลีกเลี่ยงอคติเหล่านี้ได้อย่างไร

6.3_SbkljXh.jpg

เลือกถามคำถามที่ถูกต้องเพื่อหลีกเลี่ยงอคติ

6.4.jpg

ในฐานะนักข่าว ด่านป้องกันด่านแรกจากอคติอยู่ภายในมือของคุณเอง: ปณิธานและจริยธรรมในการทำงานของคุณคือสิ่งที่ควรนำมาใช้เพื่อประเมินความเป็นธรรมของเทคโนโลยีใหม่ ๆ ที่ถูกนำมาใช้เป็นเครื่องมือในการทำงานของคุณระบบการเรียนรู้ของเครื่องจักรก็ไม่แตกต่างกัน


ไม่ว่าในกรณีใด ๆ คุณควรเริ่มจากการพิจารณาผลลัพธ์ที่ไม่พึงประสงค์ที่อาจกระทบต่อบุคคลในทางเศรษฐกิจ หรือโอกาสที่สำคัญในชีวิตอื่น ๆนี่เป็นประเด็นที่สำคัญอย่างยิ่งหากข้อมูลที่คุณใช้มีข้อมูลส่วนตัวที่อ่อนไหวอยู่ด้วย

หลาย ๆ ครั้ง ความไม่เป็นธรรมในการตรวจจำอาจไม่สามารถระบุได้อย่างชัดเจน และทำให้ต้องมีการถามคำถามทางสังคม การเมืองหรือด้านจริยธรรมเพื่อหาคำตอบว่าระบบการเรียนรู้ของเครื่องจักรของคุณเกิดอคติได้อย่างไร

6.4.jpg

การพิจารณาต้นเหตุสำคัญของอคติ

6.5_2mBMJ0U.jpg

แม้ว่าข้อมูลการอบรมไม่มีทางที่จะ “ปราศจากอคติ” โดยสิ้นเชิง แต่คุณสามารถเพิ่มโอกาสในการพัฒนาตัวแบบการทำงานที่เป็นธรรมได้หากคุณพิจารณาสาเหตุที่เป็นไปได้ของอคติต่าง ๆ ในชุดข้อมูลของคุณ และจัดการอย่างจริงจัง


สาเหตุที่พบได้บ่อยที่สุดของอคติเกิดขึ้นขณะที่ข้อมูลสำหรับฝึกสอนของคุณไม่ได้สะท้อนกับกลุ่มเป้าหมายสำหรับตัวแบบการทำงานของคุณที่จะใช้คาดการณ์อย่างเหมาะเจาะคุณจะต้องแน่ใจว่ามีข้อมูลเพียงพอสำหรับกลุ่มเป้าหมายต่าง ๆ ที่เกี่ยวข้อง

อคติแบบต่าง ๆ จะเริ่มแสดงให้เห็นเมื่อมีการแสดงผลบางกลุ่มแม่นยำน้อยกว่ากลุ่มอื่น ๆ ในชุดข้อมูลฝึกสอนคุณควรพิจารณาทบทวนข้อมูลของคุณก่อนใช้ข้อมูลเพื่อฝึกสอนตัวแบบการทำงาน เพื่อให้แน่ใจว่าข้อมูลมีอคติที่ระบบอาจนำไปใช้และทำให้เกิดปัญหาซ้ำ ๆ ในอัลกอริทึม

6.5_2mBMJ0U.jpg

การป้องกันการเกิดอคติ: เริ่มต้นจากความเข้าใจ

6.6_SmMGAHH.jpg

อคติอาจเกิดขึ้นได้หลายช่องทาง ไม่ว่าจะเป็นจากชุดข้อมูลการฝึกสอน เนื่องจากการตัดสินใจที่เกิดขึ้นระหว่างการพัฒนาระบบการเรียนรู้ของเครื่องจักร หรือผ่านทางลูปข้อเสนอแนะที่ซับซ้อนเมื่อมีการใช้งานระบบ ML จริง


คำถามที่คุณอาจต้องถามเพื่อตรวจหาอคติที่อาจเกิดขึ้นได้แก่

  • ข้อมูลที่รวบรวมได้มีไว้เพื่ออะไร 
  • มีการรวบรวมข้อมูลอย่างไร 
  • เป้าหมายของการใช้ชุดข้อมูลและอัลกอริทึมนี้คืออะไร 
  • มีการประเมินข้อมูลต้นทางอย่างไร 
  • มีการกำหนดกระบวนการวิเคราะห์ข้อมูลอย่างไรก่อนทำการวิเคราะห์


อคติเป็นประเด็นที่ซับซ้อนและไม่มีสูตรสำเร็จในการชี้ชัดแนวทางแก้ไขเริ่มต้นจากความเข้าใจและการใส่ใจเกี่ยวกับปัจจัยเสี่ยงต่าง ๆ และการดำเนินขั้นตอนที่เหมาะสมเพื่อลดโอกาสในการเกิดอคติเหล่านี้

6.6_SmMGAHH.jpg
ยินดีด้วย คุณทำสำเร็จแล้ว อคติในระบบการเรียนรู้ของเครื่องจักร ใช่ กำลังดำเนินการอยู่
แนะนำสำหรับคุณ
คุณจะให้คะแนนบทเรียนนี้อย่างไร
ความคิดเห็นของคุณจะช่วยให้เราปรับปรุงบทเรียนได้อย่างต่อเนื่อง
ออกและยอมให้ความคืบหน้าหายไปใช่ไหม
หากออกจากหน้านี้ ความคืบหน้าทั้งหมดในบทเรียนปัจจุบันของคุณจะหายไป คุณแน่ใจหรือไม่ว่าต้องการดำเนินการต่อและยอมให้ความคืบหน้าหายไป