Βασικά στοιχεία της τεχνητής νοημοσύνης και κίνδυνοι μεροληψίας δεδομένων
1.2.10 Understand at a high level how AI works and recognise that the data, on which AI depends, may include biases and therefore information is reproduced with biases
Topics:
AI generated content
Summary
Microcredential
Similar microcredentials
About this course
Share this course
Watching in another language? Turn on subtitles.
- Play the video so the YouTube player controls appear at the bottom.
- Click the CC button in the player to turn captions on or off.
- Open the Settings (gear) icon and choose Subtitles/CC, then pick your language.
What you'll learn
Σε αυτό το βίντεο, εξερευνούμε πώς οι αλγόριθμοι τεχνητής νοημοσύνης επεξεργάζονται δεδομένα για να διαμορφώσουν το διαδικτυακό περιεχόμενο, συχνά κληρονομώντας προκαταλήψεις από τα σύνολα δεδομένων εκπαίδευσής τους. Μάθετε πώς η τεχνητή νοημοσύνη σε μηχανές αναζήτησης, κοινωνικά μέσα και εργαλεία λήψης αποφάσεων, όπως η πρόσληψη ή η αστυνόμευση, μπορεί να ενισχύσει κοινωνικές προκαταλήψεις, δημιουργώντας φυσαλίδες φίλτρων και άδικα αποτελέσματα. Ανακαλύψτε πώς τα προκατειλημμένα δεδομένα επηρεάζουν τις συστάσεις, την αναγνώριση προσώπων και τις αυτοματοποιημένες αποφάσεις, και εξερευνήστε λύσεις όπως ποικίλα σύνολα δεδομένων, ανθρωποκεντρική εποπτεία και επαλήθευση γεγονότων για τη μείωση της προκατάληψης και την προώθηση της δικαιοσύνης σε συστήματα τεχνητής νοημοσύνης.
Learning outcome
1.2.10 Understand at a high level how AI works and recognise that the data, on which AI depends, may include biases and therefore information is reproduced with biases
Similar courses
-
Σε αυτό το βίντεο, αναλύουμε τη σημαντική διαφο...
EDITC
0 -
Αναρωτηθήκατε ποτέ πώς εμφανίζεται ατελείωτο πε...
EDITC
0
More courses by EDITC
-
Σε αυτό το βίντεο, εξερευνούμε πώς οι μηχανές α...
social media
EDITC
0 -
Cyber threats like viruses, spyware, and phishi...
Cyber threats security measures privacy protection.
EDITC
0