Ja się domyślam czego ludzie się domyślają widząc tego demota, ale sprawa nie jest prosta. Z tego co wyczytałem to AI typowała kobiety, oraz osoby o innym kolorze skóry niż biały, jako złodziei, ale robiła to błędnie. Tak więc nie ma co się spuszczać, że czarni to złodzieje i nawet AI to wie, a sprawę należy wyjaśnić, bo wielu ludzi miało problemy przez to, że ich jakiś głupi algorytm wytypował jako złodziei.
OdpowiedzKomentuj obrazkiem
Zmodyfikowano
1 raz.
Ostatnia modyfikacja:
23 grudnia 2023 o 21:35
@JohnLilly Jedynym błędem to jest oskarżanie ludzi o kradzież na podstawie AI! Narzędzie nie jest winne, winny jest kretyn, który wymyślił takie jego zastosowanie i faktycznie oskarżał ludzi na tej podstawie.
OdpowiedzKomentuj obrazkiem
Zmodyfikowano
1 raz.
Ostatnia modyfikacja:
26 grudnia 2023 o 19:24
@OP2000 Nie statystyki tylko ograniczone dane wrzucone przez człowieka. W drogerii 90% klientów to kobiety. a tylko 10% to mężczyźni. Dziennie kradziona jest jedna rzecz. I teraz dowolnie można manipulowac statystykami. Ukradł mężczyzna-statysdtyki mówią, ze 10% kradnie. Ukradła kobieta - większość złodzei to kobiety, bo jest ich więcej w sklepie. Zależy, ktore dane wrzucisz do AI.
@UFO_ludek Zabawne, gdy AI typuje jako tych złych kobiety i czarnych, to jesteś pierwszy by na to narzekać, że dane nie pełne, że kłamstwa!
Ale jak mówią, że każdy facet to gwałciciel, to pierwszy by pochwalić.
@OP2000 A z ciekawości- masz jakieś jego komentarze na potwierdzenie, czy działasz na jak AI: jakiś użytkownik demotywatorów coś napisał i teraz uważasz że każdy użytkownik tak myśli?
Źle wyuczone AI może zatrzymywać wszystkich mężczyzn jako przestępców, bo statystyczny przestępca to mężczyzna
AI samo z siebie nie potrafi wyizolować cech znaczących od nieznaczących, to jest rola człowieka by przygotować dobry zestaw do nauki AI do konkretnego celu
(general AI (czyli takie prawdziwie inteligentne) nie istnieje)
OdpowiedzKomentuj obrazkiem
Zmodyfikowano
2 razy.
Ostatnia modyfikacja:
23 grudnia 2023 o 15:14
@Desertnadeser przez rodzaj danych możesz nauczyć AI ignorować nieistotne korelacje. W tym przypadku rasa jest nieistotna, złodziej może być biały i tak samo chcemy go wyłapać. Istotny może tu być np ruch gałek ocznych, nerwowość, specyficzny ruch ciała
@hermeusz Oczywiście. Chodzi mi o sytuację, kiedy wyrugujemy kolor skóry z danych do uczenia a wynik będzie wskazywał, że 80% ludzi z podejrzanym zachowaniem to np. osoby czarnoskóre. Miało być obiektywnie, wyszło obiektywnie ale niezgodnie z promowaną narracją/tezą autora badania.
@Desertnadeser ale taki system nie ma zbierać danych statystycznych tylko szukać złodzieja. Nie obchodzi nas rozkład rasy czy płci w DOBRZE wyłapanych złodziejach.
Ten rozkłąd ras będzie też się szalenie różnił w zalezności od miejsca gdzie program jest użyty bo ilość czarnych jest różna (w samych stanach jest rozstrzał od 0.5% do 44% (Montana vs Washington)
To samo z płcią, 90% więżniów to mężczyźni,wyobraż sobie użycie źle wytrenowanego AI w procesie sądowym kobiety
Na początku, ponad 20 lat temu, był taki przykład
AI miało przeglądać zdjęcia i wskazywać ten na których są czołgi.
Na testowych robiło to prawie ze stu procentową skutecznością a na prawdziwych kompletna losować
Analiza wykazała że zdjęcia na których ją uczono, na których było widać czołgi, były robione w ładny słoneczny dzień więc AI wskazywała zdjęcia na których jest ładny słoneczny dzień
AI to ładna nazwa dla algorytmu heurystycznego bazującego wyłącznie na statystyce. Nadawanie temu algorytmowi cech ludzkich i oczekiwanie czegoś w rodzaju świadomości to przedawkowanie filmów SF. Jeżeli w próbce danych na której budowane były wagi na poszczególnych neuronach było dużo osób ciemnoskórych lub kobiet, to sieć naturalnie będzie wskazywała obiekty podobne.
Ja się domyślam czego ludzie się domyślają widząc tego demota, ale sprawa nie jest prosta. Z tego co wyczytałem to AI typowała kobiety, oraz osoby o innym kolorze skóry niż biały, jako złodziei, ale robiła to błędnie. Tak więc nie ma co się spuszczać, że czarni to złodzieje i nawet AI to wie, a sprawę należy wyjaśnić, bo wielu ludzi miało problemy przez to, że ich jakiś głupi algorytm wytypował jako złodziei.
Zmodyfikowano 1 raz. Ostatnia modyfikacja: 23 grudnia 2023 o 21:35
@JohnLilly AI dostało statystyki kradzieży a potem wypluwa kto może ukraść...
Co może pójść nie tak!
@JohnLilly Jedynym błędem to jest oskarżanie ludzi o kradzież na podstawie AI! Narzędzie nie jest winne, winny jest kretyn, który wymyślił takie jego zastosowanie i faktycznie oskarżał ludzi na tej podstawie.
Zmodyfikowano 1 raz. Ostatnia modyfikacja: 26 grudnia 2023 o 19:24
@OP2000 Nie statystyki tylko ograniczone dane wrzucone przez człowieka. W drogerii 90% klientów to kobiety. a tylko 10% to mężczyźni. Dziennie kradziona jest jedna rzecz. I teraz dowolnie można manipulowac statystykami. Ukradł mężczyzna-statysdtyki mówią, ze 10% kradnie. Ukradła kobieta - większość złodzei to kobiety, bo jest ich więcej w sklepie. Zależy, ktore dane wrzucisz do AI.
@UFO_ludek Zabawne, gdy AI typuje jako tych złych kobiety i czarnych, to jesteś pierwszy by na to narzekać, że dane nie pełne, że kłamstwa!
Ale jak mówią, że każdy facet to gwałciciel, to pierwszy by pochwalić.
@OP2000 A z ciekawości- masz jakieś jego komentarze na potwierdzenie, czy działasz na jak AI: jakiś użytkownik demotywatorów coś napisał i teraz uważasz że każdy użytkownik tak myśli?
ciekawostka dropsa
Źle wyuczone AI może zatrzymywać wszystkich mężczyzn jako przestępców, bo statystyczny przestępca to mężczyzna
AI samo z siebie nie potrafi wyizolować cech znaczących od nieznaczących, to jest rola człowieka by przygotować dobry zestaw do nauki AI do konkretnego celu
(general AI (czyli takie prawdziwie inteligentne) nie istnieje)
Zmodyfikowano 2 razy. Ostatnia modyfikacja: 23 grudnia 2023 o 15:14
@hermeusz W pewnym sensie to prawda ale czy zaburzając proporcje danych do uczenia, narzucamy narrację ukierunkowaną na wynik przez nas oczekiwany?
@Desertnadeser
rzecz w tym ze to jest czesto poruszany problem odnosnie roznych ai
@Desertnadeser przez rodzaj danych możesz nauczyć AI ignorować nieistotne korelacje. W tym przypadku rasa jest nieistotna, złodziej może być biały i tak samo chcemy go wyłapać. Istotny może tu być np ruch gałek ocznych, nerwowość, specyficzny ruch ciała
@hermeusz Oczywiście. Chodzi mi o sytuację, kiedy wyrugujemy kolor skóry z danych do uczenia a wynik będzie wskazywał, że 80% ludzi z podejrzanym zachowaniem to np. osoby czarnoskóre. Miało być obiektywnie, wyszło obiektywnie ale niezgodnie z promowaną narracją/tezą autora badania.
@Desertnadeser ale taki system nie ma zbierać danych statystycznych tylko szukać złodzieja. Nie obchodzi nas rozkład rasy czy płci w DOBRZE wyłapanych złodziejach.
Ten rozkłąd ras będzie też się szalenie różnił w zalezności od miejsca gdzie program jest użyty bo ilość czarnych jest różna (w samych stanach jest rozstrzał od 0.5% do 44% (Montana vs Washington)
To samo z płcią, 90% więżniów to mężczyźni,wyobraż sobie użycie źle wytrenowanego AI w procesie sądowym kobiety
Stereotypy. U AI tworzą się tak samo jak u ludzi. Nierozróżnianie korelacji od związku przyczynowo-skutkowego.
Na początku, ponad 20 lat temu, był taki przykład
AI miało przeglądać zdjęcia i wskazywać ten na których są czołgi.
Na testowych robiło to prawie ze stu procentową skutecznością a na prawdziwych kompletna losować
Analiza wykazała że zdjęcia na których ją uczono, na których było widać czołgi, były robione w ładny słoneczny dzień więc AI wskazywała zdjęcia na których jest ładny słoneczny dzień
Tu pewnie cos podobnego
Dobrze, że AI nie wskazywała potencjalnych zamachowców i zboczeńców, bo dopiero by się bóle doopska zaczęły :->
Taaaa błędnie.
Tylko patrzeć, jak oskarżą AI o rasizm ;D
AI to ładna nazwa dla algorytmu heurystycznego bazującego wyłącznie na statystyce. Nadawanie temu algorytmowi cech ludzkich i oczekiwanie czegoś w rodzaju świadomości to przedawkowanie filmów SF. Jeżeli w próbce danych na której budowane były wagi na poszczególnych neuronach było dużo osób ciemnoskórych lub kobiet, to sieć naturalnie będzie wskazywała obiekty podobne.