本书介绍了一个负责任的AI框架,并指导您在机器学习(ML)生命周期的每个阶段,从问题定义到部署,应用相应的流程,以减少和缓解人工智能(AI)技术中存在的风险和危害。如果正确并负责任地实施,AI现在有能力解决许多问题。本书帮助您避免负面影响 —— 在某些情况下已经导致了生命损失 —— 并开发公平、透明、安全、稳健的模型。 本书的方法提高了您对可能导致AI技术产生负面结果的错误步骤的认识,并提供了一个负责任的AI框架,以在ML中实现负责任和道德的结果。它从对责任、原则和数据的基本元素的检查开始。接下来是关于公平、透明、安全、隐私和稳健性等问题的实施指导。本书帮助您在构建AI和ML模型时负责任地思考,并指导您通过实践步骤,旨在为您的最终用户和客户提供负责任的ML模型、数据集和产品。

您将学到什么

  • 使用负责任的AI框架和流程构建AI/ML模型
  • 记录有关您的数据集的信息并提高数据质量
  • 测量ML模型中的公平性指标
  • 根据任务识别危害和风险,并对ML模型进行安全评估
  • 创建透明的AI/ML模型
  • 制定负责任的AI原则和组织指导方针

这本书适合谁: 寻求关于构建公平、透明和道德模型的指导的AI和ML从业者;那些寻求认识可能导致AI算法中无意的偏见和伤害的错误步骤的人;计划制定促进自动算法中公平和平等的法律、政策和法规的政策制定者。

成为VIP会员查看完整内容
67

相关内容

【2022新书】高效Go语言,数据驱动的性能优化,776页pdf
专知会员服务
55+阅读 · 2022年11月23日
【Manning新书】面向数据编程降低软件复杂度,426页pdf
专知会员服务
78+阅读 · 2022年9月5日
【2020新书】构建机器学习应用:从想法到产品,42页pdf
专知会员服务
97+阅读 · 2020年12月1日
【干货书】优化算法,232页pdf
专知
23+阅读 · 2022年9月8日
国家自然科学基金
11+阅读 · 2016年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
Arxiv
145+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
362+阅读 · 2023年3月31日
Arxiv
60+阅读 · 2023年3月26日
Arxiv
130+阅读 · 2023年3月24日
VIP会员
相关基金
国家自然科学基金
11+阅读 · 2016年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员