伦理道德的六个方面中每一个方面的验证都需要收集很多问题,想要通过一次性的收集整理还是很难覆盖全部的伦理道德的验证内容。所以我们应该通过有效的手段从模型建立之初就开始着手收集关于AI系统的各种信息,为伦理道德的验证提供更全面的输入和参考。Google Brain团队在2018年在《Model Cards for Model Reporting》文章中提出的Model Card,就是很好的完成上述任务的工具之一。自从Mode Card被提出来以后,微软、IBM、OpenAI、Meta等公司都在其AI系统中鼓励使用Model Cards帮助AI系统的干系人了解AI系统的相关信息,从而更好的管理模型性能风险和伦理道德风险。
Model Card就像机器学习模型的档案一样,记录了这个模型是为什么建立的,考虑了为什么人做什么样的服务,有什么样的性能表现等等内容信息,一些比较常出现在模型卡上的内容如下有模型详情、使用预期、影响因素、指标、评价数据、训练数据、质量分析、伦理道德影响因素以及其他建议和注意事项。
模型名称: 人像图片情绪分析模型
模型类型: 深度学习
模型版本: 1.0
模型简介: 该模型主要用于分析图片中人像所表达的情绪是开心还是伤心。
预期用途:通过这个模型可以分析社交媒体中分享人像图片的情感
训练数据:这个模型的训练数据是一个标记了开心还是伤心的人像图片,图片收集社交网站的分享图片。
评估数据;评估数据是一个独立于其他数据集的标记了标记了开心还是伤心的人像图片,图片收集社交网站的分享图片。
度量:该模型的F1得分是0.85
局限性:该模型可能在多人图片中表现不好,同时对于一些表现平静的人像图片可能不准确。
伦理道德:该模型的训练数据全部来自社交网络,以及人工标注可能并不准确从而导致一些偏见和歧视,因此针对不同地域的人群的使用,应该注意评估是否存在潜在偏见影响。
如上就是一个简单的Model Card
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)