17 /
in AI, 最新公告 /
by
彼得鲁斯·让-查尔斯
本月早些时候,美国空军首席科学家的机构间工作组发出了一份 关于人工智能 (AI) 意外偏见的信息请求 (RFI)。该小组正在深入研究人工智能和机器学习 (ML) 算法中的偏见这一关键问题,主要重点是数据集。他们正在寻求从少数族裔服务机构 (MSI) 和传统黑人学院和大学 (HBCU) 等学术机构以及工业界、联邦政府和其他学术机构了解这些偏见。
尽管开发了多种旨在识别和解决偏见的工具,例如国防部 (DoD) Responsible AI 工具包,但在消除 AI 和 ML 系统中的偏见方面仍然存在重大挑战。
该小组认识到,随着人工智能技术扩展到新领域,会出现独特的挑战,每个挑战都有自己的一套特定于应用程序的偏见,可能会无意中导致有害结果。因此,迫切需要持续的跨学科研究和合作,以制定有效的策略来检测和减轻人工智能和机器学习开发每个阶段的偏见。
有兴趣分享有关如何更好地理解数据集中人工智能偏见的信息的个人和团体应在 15 月 XNUMX 日之前通过其门户网站提交回复。
回应应包括:
- 能力声明
- 该机构为消除无意的人工智能偏见而进行的正在进行和未来研究的描述
- 旨在研究和减轻人工智能偏见的所有现有合作伙伴关系的描述
- 描述正在观察到的非故意人工智能偏见类型(包括正在收集的数据)、它们所属的领域以及它们对机构的影响
- 一份声明,提出这项工作将如何促进学生和研究人员的教育和培训
要查找更多信息并提交回复,请参阅完整的 RFI 此处.
有兴趣从行业角度向小组介绍这些挑战吗?他们还发布了 RFI,他们希望听到使用数据开发人工智能功能的商业和非营利组织的意见。
- SEO 支持的内容和 PR 分发。 今天得到放大。
- PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
- 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
- 柏拉图ESG。 碳, 清洁科技, 能源, 环境, 太阳能, 废物管理。 访问这里。
- 柏拉图健康。 生物技术和临床试验情报。 访问这里。
- Sumber: https://feeds.feedblitz.com/~/881727536/0/cccblog~Opportunity-to-Respond-to-US-Air-Force-RFI-on-Countering-Bias-in-AIML-Datasets/