Upravne informacije
| Naslov | Zaupanje, normalnost in model Drift |
| Trajanje | 45–60 |
| Modul | C |
| Vrsta lekcije | Predavanje |
| Osredotočenost | Tehnična – prihodnja umetna inteligenca |
| Tema | Odprti problemi in izzivi |
Ključne besede
Zaupanje, Normativnost, Vzorec Drift,
Učni cilji
- Razumevanje potrebe po merjenju zaupanja v umetno inteligenco
- Razumevanje koncepta normalnosti v kontekstu prihodnje umetne inteligence
- Pojasnite različne vrste premikov modelov in priporočite pravočasne ukrepe za prihodnje umetnointeligenčne sisteme, da bi obravnavali premike modelov
Pričakovana priprava
Učenje Dogodki, ki jih je treba dokončati pred
Obvezno za študente
- Etična vsebina iz modula A
- Etična vsebina iz modula B
Neobvezno za študente
- Uvod v koncepte strojnega učenja in globokega učenja, podane v prejšnjih predavanjih
Reference in ozadje za študente
- Zaupanje in umetna inteligenca
- Anketa o vrednotenju zaupanja na podlagi strojnega učenja
- Vrednost merjenja zaupanja v umetno inteligenco – socialno-tehnična perspektiva sistema
- Ko zaupanje doseže točnost: Raziskovanje učinkov več kazalnikov uspešnosti na zaupanje v modele strojnega učenja
- V AI zaupamo Incrementally: večplastni model zaupanja za analizo interakcij med človekom in umetno inteligenco
- Zaupanje in etika umetne inteligence
- Etične smernice za zaupanja vredno umetno inteligenco
- Pojasnjena, normalna in upravičena agencija
- Model Drift v strojnem učenju
- Poenoten pogled na premik nabora podatkov v klasifikaciji
- ODIN: Samodejno zaznavanje in obnovitev hitrosti v video analitiki
- Učenje pod konceptom Drift: Pregled
- Zakaj je zaznavanje premikov podatkov pomembno in kako ga avtomatizirate v 5 preprostih korakih
Priporočeno za učitelje
Nobenega.
Gradivo za učne ure
Navodila za učitelje
Predavanje bi moralo biti osredotočeno na koncept zaupanja v sisteme, ki uporabljajo umetno inteligenco in strojno učenje za sprejemanje odločitev. Opredeliti mora zaupanje in značilnosti zaupanja skupaj z zaupanjem agentov. Predavanje bi moralo zagotoviti praktično povezavo s predlaganim okvirom zaupanja EU za umetno inteligenco. Predavanje bi moralo predstaviti tudi koncept digitalne normativnosti in problem premikanja modelov, merjenja in spremljanja v kontekstu zaupanja vredne umetne inteligence in strojnega učenja.
Cilj tega predavanja je razpravljati o konceptu zaupanja v kontekstu umetnointeligenčnih sistemov. Predavanje bi moralo odgovoriti na vprašanje: Kaj pomeni zaupanje in kako lahko gradimo zaupanje v umetnointeligenčne sisteme? Na predavanju bi morali razpravljati tudi o konceptu normativnosti v kontekstu umetne inteligence in avtomatiziranih sistemov odločanja, s čimer bi povečali pomen zaupanja. Na koncu bo predavanje razpravljalo o premikih modelov, vrstah premikov modela, metrikah za merjenje premikov modela in o tem, kako ravnati z odmikom modela, kar naj bi dokazovalo, da je treba zaupanje nenehno spremljati.
Obris
| Trajanje | Opis | Koncepti | Aktivnost | Material |
|---|---|---|---|---|
| 5 min | Kaj je zaupanje? | Filozofija zaupanja, karakterizacija zaupanja, agenti in pacienti zaupanja, socialno-tehnični ekosistem, vloga zaupanja v znanje | Predavanja in primeri | Gradivo za predavanja |
| 15 min | Raziskovalna naloga Zaupanje v umetno inteligenco |
Odprta vprašanja in pregled članka | Gradivo za predavanja | |
| 10 min | Pojav digitalne normativnosti | Subjektivacija, desubjektivacija, upravičena agencija, razložljiva in normativna agencija | Predavanja in primeri | Gradivo za predavanja |
| 15 min | Model Drift | Kaj je premik modela, vrste odmika modela/koncepta (napoved, koncept, podatki, gorvodni tok), meritve drift (indeks stabilnosti prebivalstva, KL diferenciacija, Wassersteinova razdalja), obravnavanje premikov modela (spremljanje, kakovost podatkov, preusposabljanje, nastavitev parametrov) | Predavanja in primeri | Gradivo za predavanja |
| 5 min | Zaključek | Povzetek | Sklepi | Gradivo za predavanja |
Priznanja
Program Masters umetne inteligence, ki je bil vključen v človeka, je bil sofinanciran z instrumentom za povezovanje Evrope Evropske unije v okviru nepovratnih sredstev (CEF-TC-2020–1 Digital Skills 2020-EU-IA-0068).