瞭解如何使用 TensorFlow 將負責任的 AI 實務整合到您的 ML 工作流程中

我的 ML 系統是為誰服務的？

實際使用者體驗您系統的方式，對於評估其預測、建議和決策的真實影響至關重要。務必在開發過程的早期階段從不同的使用者群體中取得意見。

我是否正在使用具代表性的資料集？

您的資料取樣方式是否能代表您的使用者（例如，將用於所有年齡層，但您只有來自年長公民的訓練資料）和真實世界環境（例如，將全年使用，但您只有來自夏季的訓練資料）？

我的資料中是否存在真實世界/人為偏見？

資料中潛在的偏見可能會導致複雜的回饋迴路，從而強化現有的刻板印象。

我應該使用什麼方法來訓練我的模型？

使用將公平性、可解釋性、隱私權和安全性建構到模型中的訓練方法。

我的模型效能如何？

在廣泛的使用者、使用案例和使用情境中評估真實世界情境中的使用者體驗。先在內部測試和迭代，然後在發佈後繼續測試。

是否存在複雜的回饋迴路？

即使整體系統設計中的所有內容都經過精心設計，ML 模型在應用於真實、即時資料時也很少能 100% 完美運作。當即時產品中發生問題時，請考量它是否與任何現有的社會劣勢一致，以及它將如何受到短期和長期解決方案的影響。