Q:
Prečo je dôležité, aby vedci údajov hľadali transparentnosť?
A:Transparentnosť je zásadne dôležitá v projektoch vedy o údajoch a programoch strojového učenia, čiastočne z dôvodu zložitosti a sofistikovanosti, ktorá ich vedie - pretože tieto programy sú skôr „učením“ (vytvárajú pravdepodobnostné výsledky), než dodržiavajú vopred stanovené pokyny na lineárne programovanie, a preto môže byť ťažké pochopiť, ako táto technológia dospieva k záverom. V tejto oblasti je veľký problém „čiernych skriniek“ algoritmov strojového učenia, ktoré nie sú plne vysvetlené ľudským tvorcom rozhodnutí.
S ohľadom na to bude schopnosť zvládnuť vysvetliteľné strojové učenie alebo „vysvetliteľnú umelú inteligenciu“ pravdepodobne hlavným zameraním na to, ako spoločnosti sledujú získavanie talentov pre vedcov údajov. Už DARPA, inštitúcia, ktorá nám priniesla internet, financuje multimiliónovú štúdiu v oblasti vysvetliteľnej umelej inteligencie, ktorá sa snaží propagovať zručnosti a zdroje potrebné na vytvorenie technológií strojového učenia a umelej inteligencie, ktoré sú pre človeka transparentné.
Jedným zo spôsobov, ako o tom premýšľať, je to, že často existuje „fáza gramotnosti“ rozvoja talentov a „fáza hyperliterácie“. Pre vedcov údajov by tradičnou fázou gramotnosti boli znalosti o tom, ako zostaviť programy strojového vzdelávania a ako sa dá stavať. algoritmy s jazykmi ako Python; ako budovať neurónové siete a pracovať s nimi. Hyperliteračná fáza by bola schopnosťou zvládnuť vysvetliteľné AI, zabezpečiť transparentnosť pri používaní algoritmov strojového učenia a zachovať transparentnosť, keďže tieto programy pracujú smerom k svojim cieľom a cieľom ich obsluhy.
Ďalším spôsobom, ako vysvetliť dôležitosť transparentnosti vo vede údajov, je to, že používané súbory údajov sa stávajú sofistikovanejšími, a teda potenciálne rušivejšími do životov ľudí. Ďalším hlavným hnacím motorom vysvetliteľného strojového učenia a vedy o údajoch je európske všeobecné nariadenie o ochrane údajov, ktoré sa nedávno zaviedlo s cieľom obmedziť neetické používanie osobných údajov. Pri použití GDPR ako skúšobného prípadu môžu odborníci vidieť, ako potreba vysvetliť projekty v oblasti vedy o údajoch zapadá do otázok ochrany súkromia a bezpečnosti, ako aj do obchodnej etiky.
