Q:
Proč je pro vědce dat důležité usilovat o průhlednost?
A:Transparentnost je nezbytně důležitá v projektech vědy o vědě a programech strojového učení, částečně kvůli složitosti a sofistikovanosti, která je řídí - protože tyto programy jsou spíše „učením“ (vytvářením pravděpodobnostních výsledků) než dodržováním předem stanovených pokynů pro lineární programování, a proto může být obtížné pochopit, jak technologie dosahuje závěrů. V této oblasti je velký problém algoritmů strojového učení, které nejsou plně vysvětlovány tvůrcům lidských rozhodnutí.
S ohledem na to bude schopnost zvládnout vysvětlitelné strojové učení nebo „vysvětlitelnou umělou inteligenci“ pravděpodobně hlavním zaměřením na to, jak společnosti sledují získávání talentů pro datového vědce. Již instituce DARPA, která nám přinesla internet, financuje multimilionovou studii v oblasti AI, která se snaží vysvětlit dovednosti a zdroje potřebné k vytvoření technologií strojového učení a technologií umělé inteligence, které jsou pro člověka transparentní.
Jedním ze způsobů, jak o tom přemýšlet, je to, že často existuje „fáze gramotnosti“ rozvoje talentů a „fáze hyperliterace“. Pro vědce údajů by tradiční fází gramotnosti byla znalost toho, jak sestavit programy strojového učení a jak vybudovat. algoritmy s jazyky jako Python; jak budovat neuronové sítě a pracovat s nimi. Hyperliterativní fází by byla schopnost zvládnout vysvětlitelnou umělou inteligenci, zajistit průhlednost při používání algoritmů strojového učení a zachovat průhlednost, protože tyto programy pracují směrem k jejich cílům a cílům jejich obsluhujících pracovníků.
Dalším způsobem, jak vysvětlit důležitost transparentnosti ve vědě o datech, je to, že používané datové soubory jsou stále sofistikovanější, a tudíž potenciálně rušivější do životů lidí. Dalším hlavním hnacím motorem vysvětlitelného strojového učení a vědy o údajích je Evropské obecné nařízení o ochraně údajů, které bylo nedávno provedeno s cílem omezit neetické použití osobních údajů. Při použití GDPR jako testovacího případu mohou odborníci vidět, jak potřeba vysvětlit projekty v oblasti vědy o údajích zapadá do otázek ochrany soukromí a bezpečnosti a také do etiky podnikání.
