
Diagram: Bias inom maskininlärning
Förstå var och hur mänsklig partiskhet kan bidra till skada inom maskininlärning.
Mallar, infografik, diagram, modeller och visualiseringar som hjälper dig planera och reflektera runt dina digitala satsningar. Alla är gratis och kan direkt fungera som inspiration, tillgångar i workshop-sammanhang och referensmaterial inom utbildning.
Förstå var och hur mänsklig partiskhet kan bidra till skada inom maskininlärning.
Många berättar för mig hur deras företag är igång och testar AI-verktyg. Det i sig är inte alls konstigt. Det är nog svårt att som ledare idag inte känna sig stressad över AI-tillverkarnas löften om omvälvande förmågor som radikalt ska förändra alla verksamheter. Löften som gärna också får stora rubriker...
Jag har ritat denna förklaringsmodell för att visa på relationerna mellan olika aktörer – och deras värderingar – när det gäller AI-utveckling och användning. Den ger dig något att peka på när du till exempel diskuterar vem som finansierar systemen, vem som bidrar till systemen och vem som gynnas eller missgynnas av...
Beräkningar “estimerar” din avsikt, tenderar att missa spiken och drar mot en annan design. Ofta omärkbart.
Att göra endast en kugge i din maskin mer effektiv kommer att utsätta din övriga organisation för oväntad press. Felbelastning och sprickor uppstår.
Låt oss prata om skada som orsakas av människor som implementerar AI.
Som underlag för konversationer och strategiskt arbete med att förbättra AI-verktyg har jag tagit fram denna kommunikationsmodell. Notera att fokus här är på människans interaktion med verktyget. Det handlar om de beståndsdelar som påverkar indata (från människan) och utdata (från datorn), och i förlängningen hur en människa kan tänkas handla...
Ett diagram som uppmärksammar olika moraliska överväganden inom digital utveckling.
En mindmap som snabbt sammanfattar de övergripande dragen i rapporten.