介于两者之间的是机器学习的公平性 。研究人员已经开发出一些方法 ， 通过删除或改变有偏见的训练数据来增加公平性 ， 或者最大化某些类型的平等——例如贷款——同时最小化利润的减少 。然而 ， 某些类型的公平将永远处于相互冲突之中 ， 数学无法告诉我们哪些是我们想要的 。
另一端是可解释性 。与公平性相反 ， 公平性可以用多种数学方法进行分析 ， 而解释的质量很难用数学术语来描述 。“我觉得我还没有看到一个好的定义 ， ”卡恩斯说 。“你可以说 ， ‘这是一个算法 ， 它将使用一个训练有素的神经网络 ， 试图解释它为什么拒绝你的贷款 ， ’但(感觉不太有原则 。”最终 ， 如果受众不理解它 ， 这就不是一个好的解释 ， 衡量它的成功——无论你如何定义成功——都需要用户研究 。
像阿西莫夫的三定律这样的东西不会把我们从试图帮助我们去伤害我们的机器人手中拯救出来 。而且 ， 即使这一列表扩大到一百万条法律 ， 法律的文字与它的精神也不相同 。一种可能的解决方案是所谓的反向强化学习 ， 在这种学习中 ， 计算机可能会根据我们的行为来解读我们真正看重的东西 。
本文参考science news.文章 ， “Now that computers connect us all, for better and worse, what’s next?” ， 如有兴趣还可查阅原文 。
以上关于本文的内容，仅作参考！温馨提示：如遇健康、疾病相关的问题，请您及时就医或请专业人士给予相关指导!
「四川龙网」www.sichuanlong.com小编还为您精选了以下内容，希望对您有所帮助：- 电脑通过ADB连接手机方法 电脑adb怎么连接手机
- 电脑卡如何清理电脑 电脑非常卡怎么办
- 怎么看电脑显卡坏没坏 怎么判断显卡是否坏了
- 电脑拍视频软件 电脑怎么拍视频
- 卡西:看扑罗本单刀我现在还发抖 小白详解绝杀
- 净水机储水桶怎么连接
- 如何将win10平板电脑连接到电脑？ 平板如何连接电脑
- 4000左右性价比高的笔记本电脑 4000元左右的笔记本
- 笔记本找不到无线网络 笔记本电脑怎么连wifi
- 印度种姓制度现在还存在吗