о, это прекрасная темнота, которую я вижу
здесь привет, я хотел бы начать с
маленький пятисекундный эксперимент я бы
как вам представить человека в
перед вами этот человек является американцем
профессор информатики один два
три четыре пять, теперь я бы хотел
из вас, кто воображает, что люди поднимают ваши
руки да, это большинство, я думаю
и тех из вас, кто представляет женщину
поднимите руки, я вижу несколько
руки вверх, это довольно удивительно, и ты
просто продемонстрировал эту чудесную способность
человеческого мозга взять пять слов и
тогда представьте себе полного человека впереди
из вас, так что ваш мозг накапливается
за эти годы большой объем данных
и так получилось, что
большинство профессоров, которых мы имели
инженерами были, вероятно, мужчины и
когда вы смотрите на имена
учебники, которые мы изучали
также, вероятно, мужчины, и именно поэтому, когда
вы пытаетесь обобщить и ваш мозг
обобщается именно таким образом,
Представьте себе, что мужчина-компьютер
науки, и теперь я получаю слайды, которые
право, и я просто хотел показать свои два
любимец профессоров компьютера
наукой, а слева — это
поэтому она является профессором
криптологии в Университете Брауна и на
левая сторона — это лыжи для лица, поэтому она
профессор Университета Массачусетса
она опережает естественный язык
и они фактически оба
Американские, но они натурализованы
граждане, которые должны сказать, как я, они
пришли с родителями из советских
Союз настолько немного стереотипа тети, если
вы так давайте возьмем другой пример
это первый день шведской школы.
женщина приходит забрать своих детей
ей за тридцать, у нее черная
волосы она говорит по-английски со смешным
акцент на детей, которые она собирает
говорят на шведском, если вы
учитель предположить, что она няня или
мать и получается, если ты учитель
вы предполагаете, что она няня
да, и эта женщина на самом деле я и
это я в сентябре собираю мои
дети из школы и немного
удивлен такой категоризацией
но это еще одна возможность нашего
изумительная способность нашего человеческого мозга
возьмите ситуацию, чтобы сделать это справедливо
сложный человек, работающий и уменьшающий
этот человек к нескольким простым
стереотипирования категорий, если вы и
интересно то, что это
эволюционной характеристики, поэтому он использовал
быть очень полезным для нашего пещерного человека
предков, чтобы иметь возможность видеть человека или
быстро оценить ситуацию супер супер
и решить, является ли это опасным или
не в наши дни, особенно в
развитых стран это не
особенно полезно на самом деле немного
бит в некоторых случаях
мой пример няни довольно мягкий, но
давайте рассмотрим другой пример — это 2014 год
12-летний ребенок играет на
на детской площадке у него есть игрушечный пистолет для некоторых
Причина, по которой полиция обращается к
сцены и в течение двух секунд после прибытия
они стреляют малыша он умирает в
больница имя киддис Тамир
рис, и вы, вероятно, слышали историю
ребенок черный, и, к сожалению, он
принадлежал к одному из упрощенных
категории, которые имеют определенные отрицательные
ассоциация с самим собой в умах
большинства людей сейчас, если я попрошу большинства из вас
здесь, будь вы расист или
вы думаете, что женщины не могут программировать
большинство из вас наверняка скажут нет
совершенно нет , но , как оказалось, что
большинство из нас имеют определенные внутренние
убеждения некоторых бессознательных убеждений
которые полагаются на это от восьмидесяти до девяноста
процент того, что происходит в нашем мозгу как
оказывается, это бессознательно, и это
действительно чудесно, как мы можем это сделать
вещи мгновенно хорошо с нашими
как умели оценивать
ситуаций, но в то же время это
информацию об этой обработке, которую мы делаем
бессознательно на основе данных, которые мы
встречается на протяжении всей нашей жизни
ведет нас неправильно, а затем вопрос
также становится, мы можем выяснить
если у нас есть этот тип бессознательного
смещения, потому что я не могу вас спросить
вопросы, которые вы, очевидно, собираетесь сказать
я знаю, и в конце 90-х это
чудесный тест был разработан
неявный тест ассоциации, который может
точно измерить это , как она работает,
например, это два
женщин и мужчин и, скажем так,
мы создаем два набора слов, некоторые из них
о технологии, а другие
о домашнем или домашнем
неявный тест ассоциации вас прошу
для категоризации женщин и технологий и
мужчины и домашние дела, а затем вы измеряете
сколько времени потребуется, а затем вы просите
классифицировать женщин и домашнее хозяйство и мужчин
и технологии, и вы измеряете, как долго
это зависит от того,
занимает больше времени, чем вы знаете
что у вас есть неявное уклонение
к тому или иному
очень неловко, но мне это требуется дважды
как это примерно в два раза длиннее
классифицировать женщин вместе с
технологии, и это неловко, потому что
Я был 12 лет в технической индустрии
и до этого я был на
Университет довольно долгое время и
более или менее то же самое происходит, когда
Я пытаюсь увидеть, ассоциирую ли я черный
люди с хорошими вещами или не так стараются
что большинство людей имеют
эти убеждения в той или иной степени
это редкие люди, которые этого не делают, и я нахожу
что это действительно открывает глаза на
в то же время эта способность нашего мозга
сделать этот тип обобщения, чтобы сделать
вещи очень быстро и оценить
ситуации действительно полезны, если вы думаете
о вождении автомобиля каждый день, как вы
вы столкнетесь с новыми ситуациями и
но вы можете судить о том, что происходит
в них объяснять вещи, чтобы предсказать
где идут другие машины, и
вне что вы должны сделать дальше очень очень
быстро, и мы хотели бы, чтобы компьютеры
быть в состоянии сделать то же самое и многое
это то, что алгоритмы машинного обучения
должны быть в состоянии сделать это
должен быть способен обобщить
путь, подобный человеческому мозгу
поэтому мы являемся алгоритмами машинного обучения.
полезно в ситуациях, когда есть
нет простых правил, чтобы вы могли
программа точно определяет правила и
ситуации, когда требуется адаптация
например, мошенническая кредитная карта
транзакции, в которых мошенники сохраняют
изменяя, каким образом они получают
система очень полезна для того, чтобы
адаптировать вещи так, чтобы машинное обучение
алгоритмы вроде как младенцы вы
дать им кусочки данных, и они учатся
из этих данных, что происходит, а затем
Вы хотите быть в состоянии дать им
совершенно новая часть данных и для них
чтобы объяснить это с использованием данных
они видели раньше, и это очень круто
потому что есть определенные человеческие уклоны
из которых много и много, что машина
алгоритмы обучения очень хороши в
например, существует
якорь уклон , который говорит , что очень
первая часть данных, которую видит человеческий мозг
застрянет на нем, и он станет дополнительным
важно поэтому, поэтому вы никогда не захотите
чтобы первыми перечислить заработную плату в
переговоры во время работы
но вы знаете,
время и есть другие типы вещей
где вещи становятся немного больше
так что в целом мы считаем, что
машины у них нет мнений и
поэтому они не предвзяты, они не могут
вы знаете, что они не такие
они не люди и точно такие же
люди, но это мы, кто создает
эти вещи, и именно мы
данных, и я собираюсь показать вам три
различные способы обучения машин
алгоритмы могут стать, если вы
поэтому один из них является основным
смещение данных, поэтому если вы дадите, если у вас есть
информация о том, какие виды работ
женщины держат вас, вы обнаружите, что женщины
имеют тенденцию удерживать гораздо более низкооплачиваемую
заданий, и если вы используете его как вход для
алгоритм, который вам нужно быть очень хорошим
осознавая, что вы можете увековечить
вы можете тренироваться на вещах, которые
не совсем то, что вы хотите
смотреть в будущее обязательно
или если вы пытаетесь выяснить, кто
дать ипотеку и использовать в 30
лет ипотечного кредитования
от нас вы можете обнаружить, что ваш
алгоритм немного расист, потому что
базовые данные отражают системные
расизма, тогда мы можем просто подумать о том, что
какие вопросы мы задаем нашим
алгоритмы для решения так, где вы видите
алгоритмы машинного обучения, как правило, так
вы идете на youtube некоторые из них некоторые из них
вы на ежедневной основе, и вы знаете, что вы
смотреть видео, а затем он предлагает
вы следующий видео хорошо, что это прекрасно или
ваша кредитная карточка звонит и говорит
о, ваша сделка с вашей кредитной картой была
отрицается, потому что мы считаем его мошенническим
хорошо, что это удобно, если это
на самом деле мошенничество или вы можете предоставить
некоторая информация для учителей и сказать
эти дети в вашем классе
они рискуют вывалиться, мы можем
расскажите об этом прямо сейчас
начало класса, чтобы вы могли провести
немного больше вашего драгоценного времени с
они довольно приятные, но вы также можете
задайте примерно тот же вопрос, но
сейчас или возьмите тех же детей в классе
и построить модель, где мы расскажем вам
кто из этих детей станет
преступников в вашей жизни в их
живет, а потом вы как-то удивляетесь
хотите ли вы уйти в этом
мир меньшинства, в котором вы
знаю, что машины вроде
этические слепые, но вопросы, которые мы задаем
имеют определенные этические последствия, и мы
должны быть очень хорошо осведомлены о них в
третий пример — с точки зрения оценки
алгоритмов, поэтому в прошлом году он
оказывается, что изображения Google, которые
невероятно хорошо прикладывать изображения
вместе в категории связанных
изображения собирали черных людей
и обезьяны в ту же категорию
иногда, и если вы думаете об этом, это
очень вероятно, что эти алгоритмы были
разработанный инженерами- разработчиками программного обеспечения
вероятно , мужчины статистически говоря , и
очень вероятно, что во время
они, вероятно, смотрели на
некоторые цифры, но некоторые вещи не
появляются, потому что их альбомы или
альбомы людей, которые оценивают
не имели этих конкретных типов
данных, и это только говорит о факте
что очень важно иметь это
группа людей, которые будут развиваться
технологии, поскольку существуют определенные
вещи, где вы можете получить хорошие цифры
и хорошие рейды воздуха и вещи , как это
но очень важно, чтобы
разнообразный набор людей на самом деле
оценивая данные, поэтому существуют способы
справиться с ним так же , как
человеческие мозги — черные ящики, и мы
не знаю от восьмидесяти до девяноста
процентов от того, что происходит в них
алгоритмы машинного обучения также
обычно черные ящики, но мы прямо сейчас
есть тенденция держать его простым глупым
или поцеловать как призыв или объяснить
алгоритм, если вам отказано в
алгоритм обучения алгоритму oisin
вы действительно хотите знать, почему так хорошо
начать искать, где мы хотим
машинное обучение модели , где мы в состоянии
пойдите позже и фактически объясните,
части учебных данных или что
особые веса заставили нас отрицать ваши
чтобы мы могли подумать о том,
нам нужно настроить этот тип материала или
по крайней мере, так, чтобы было объяснение
мы также должны сделать
наша отрасль немного более разнообразна
поэтому такие вещи, как с помощью google
изображения на самом деле не происходят, и я думаю
этические аспекты того,
вопросы, которые мы задаем и как и какие
вещей, которые мы делаем, станут очень
важно также почему почему это
важно, поэтому мы говорили о человеке
предубеждения, и вы знаете, да, если вы смутитесь
я для своего несуществующего 90 в какой-то момент
это действительно не очень важно
там много, если вы малыш выстрелил в
площадка, которую вы, вероятно, почувствуете
довольно ужасно о человеческих предвзятости, но
алгоритмы машинного обучения, которые мы
сейчас они могут влиять
что очень большое количество людей, поэтому
воздействие будет огромным, и это
индустрия действительно взрывается прямо сейчас
из-за количества мощности машины
мы можем довести до этого и
количество данных было в состоянии обучить
алгоритмы, поэтому очень важно
начните смотреть на какие вопросы
мы отвечаем, насколько важны
два человека, которые много людей лгут и
являются ли они предвзятыми, и поэтому я ухожу
вы с мыслью, что нам нужно работать
сам
ISS, но также, когда мы разрабатываем технологию
будущее, особенно машинное обучение
мы должны быть действительно
осознавая, что он может быть предвзятым
что в некоторых случаях очень похоже на
человеческий мозг тоже, и это для меня
[Аплодисменты]
здесь привет, я хотел бы начать с
маленький пятисекундный эксперимент я бы
как вам представить человека в
перед вами этот человек является американцем
профессор информатики один два
три четыре пять, теперь я бы хотел
из вас, кто воображает, что люди поднимают ваши
руки да, это большинство, я думаю
и тех из вас, кто представляет женщину
поднимите руки, я вижу несколько
руки вверх, это довольно удивительно, и ты
просто продемонстрировал эту чудесную способность
человеческого мозга взять пять слов и
тогда представьте себе полного человека впереди
из вас, так что ваш мозг накапливается
за эти годы большой объем данных
и так получилось, что
большинство профессоров, которых мы имели
инженерами были, вероятно, мужчины и
когда вы смотрите на имена
учебники, которые мы изучали
также, вероятно, мужчины, и именно поэтому, когда
вы пытаетесь обобщить и ваш мозг
обобщается именно таким образом,
Представьте себе, что мужчина-компьютер
науки, и теперь я получаю слайды, которые
право, и я просто хотел показать свои два
любимец профессоров компьютера
наукой, а слева — это
поэтому она является профессором
криптологии в Университете Брауна и на
левая сторона — это лыжи для лица, поэтому она
профессор Университета Массачусетса
она опережает естественный язык
и они фактически оба
Американские, но они натурализованы
граждане, которые должны сказать, как я, они
пришли с родителями из советских
Союз настолько немного стереотипа тети, если
вы так давайте возьмем другой пример
это первый день шведской школы.
женщина приходит забрать своих детей
ей за тридцать, у нее черная
волосы она говорит по-английски со смешным
акцент на детей, которые она собирает
говорят на шведском, если вы
учитель предположить, что она няня или
мать и получается, если ты учитель
вы предполагаете, что она няня
да, и эта женщина на самом деле я и
это я в сентябре собираю мои
дети из школы и немного
удивлен такой категоризацией
но это еще одна возможность нашего
изумительная способность нашего человеческого мозга
возьмите ситуацию, чтобы сделать это справедливо
сложный человек, работающий и уменьшающий
этот человек к нескольким простым
стереотипирования категорий, если вы и
интересно то, что это
эволюционной характеристики, поэтому он использовал
быть очень полезным для нашего пещерного человека
предков, чтобы иметь возможность видеть человека или
быстро оценить ситуацию супер супер
и решить, является ли это опасным или
не в наши дни, особенно в
развитых стран это не
особенно полезно на самом деле немного
бит в некоторых случаях
мой пример няни довольно мягкий, но
давайте рассмотрим другой пример — это 2014 год
12-летний ребенок играет на
на детской площадке у него есть игрушечный пистолет для некоторых
Причина, по которой полиция обращается к
сцены и в течение двух секунд после прибытия
они стреляют малыша он умирает в
больница имя киддис Тамир
рис, и вы, вероятно, слышали историю
ребенок черный, и, к сожалению, он
принадлежал к одному из упрощенных
категории, которые имеют определенные отрицательные
ассоциация с самим собой в умах
большинства людей сейчас, если я попрошу большинства из вас
здесь, будь вы расист или
вы думаете, что женщины не могут программировать
большинство из вас наверняка скажут нет
совершенно нет , но , как оказалось, что
большинство из нас имеют определенные внутренние
убеждения некоторых бессознательных убеждений
которые полагаются на это от восьмидесяти до девяноста
процент того, что происходит в нашем мозгу как
оказывается, это бессознательно, и это
действительно чудесно, как мы можем это сделать
вещи мгновенно хорошо с нашими
как умели оценивать
ситуаций, но в то же время это
информацию об этой обработке, которую мы делаем
бессознательно на основе данных, которые мы
встречается на протяжении всей нашей жизни
ведет нас неправильно, а затем вопрос
также становится, мы можем выяснить
если у нас есть этот тип бессознательного
смещения, потому что я не могу вас спросить
вопросы, которые вы, очевидно, собираетесь сказать
я знаю, и в конце 90-х это
чудесный тест был разработан
неявный тест ассоциации, который может
точно измерить это , как она работает,
например, это два
женщин и мужчин и, скажем так,
мы создаем два набора слов, некоторые из них
о технологии, а другие
о домашнем или домашнем
неявный тест ассоциации вас прошу
для категоризации женщин и технологий и
мужчины и домашние дела, а затем вы измеряете
сколько времени потребуется, а затем вы просите
классифицировать женщин и домашнее хозяйство и мужчин
и технологии, и вы измеряете, как долго
это зависит от того,
занимает больше времени, чем вы знаете
что у вас есть неявное уклонение
к тому или иному
очень неловко, но мне это требуется дважды
как это примерно в два раза длиннее
классифицировать женщин вместе с
технологии, и это неловко, потому что
Я был 12 лет в технической индустрии
и до этого я был на
Университет довольно долгое время и
более или менее то же самое происходит, когда
Я пытаюсь увидеть, ассоциирую ли я черный
люди с хорошими вещами или не так стараются
что большинство людей имеют
эти убеждения в той или иной степени
это редкие люди, которые этого не делают, и я нахожу
что это действительно открывает глаза на
в то же время эта способность нашего мозга
сделать этот тип обобщения, чтобы сделать
вещи очень быстро и оценить
ситуации действительно полезны, если вы думаете
о вождении автомобиля каждый день, как вы
вы столкнетесь с новыми ситуациями и
но вы можете судить о том, что происходит
в них объяснять вещи, чтобы предсказать
где идут другие машины, и
вне что вы должны сделать дальше очень очень
быстро, и мы хотели бы, чтобы компьютеры
быть в состоянии сделать то же самое и многое
это то, что алгоритмы машинного обучения
должны быть в состоянии сделать это
должен быть способен обобщить
путь, подобный человеческому мозгу
поэтому мы являемся алгоритмами машинного обучения.
полезно в ситуациях, когда есть
нет простых правил, чтобы вы могли
программа точно определяет правила и
ситуации, когда требуется адаптация
например, мошенническая кредитная карта
транзакции, в которых мошенники сохраняют
изменяя, каким образом они получают
система очень полезна для того, чтобы
адаптировать вещи так, чтобы машинное обучение
алгоритмы вроде как младенцы вы
дать им кусочки данных, и они учатся
из этих данных, что происходит, а затем
Вы хотите быть в состоянии дать им
совершенно новая часть данных и для них
чтобы объяснить это с использованием данных
они видели раньше, и это очень круто
потому что есть определенные человеческие уклоны
из которых много и много, что машина
алгоритмы обучения очень хороши в
например, существует
якорь уклон , который говорит , что очень
первая часть данных, которую видит человеческий мозг
застрянет на нем, и он станет дополнительным
важно поэтому, поэтому вы никогда не захотите
чтобы первыми перечислить заработную плату в
переговоры во время работы
но вы знаете,
время и есть другие типы вещей
где вещи становятся немного больше
так что в целом мы считаем, что
машины у них нет мнений и
поэтому они не предвзяты, они не могут
вы знаете, что они не такие
они не люди и точно такие же
люди, но это мы, кто создает
эти вещи, и именно мы
данных, и я собираюсь показать вам три
различные способы обучения машин
алгоритмы могут стать, если вы
поэтому один из них является основным
смещение данных, поэтому если вы дадите, если у вас есть
информация о том, какие виды работ
женщины держат вас, вы обнаружите, что женщины
имеют тенденцию удерживать гораздо более низкооплачиваемую
заданий, и если вы используете его как вход для
алгоритм, который вам нужно быть очень хорошим
осознавая, что вы можете увековечить
вы можете тренироваться на вещах, которые
не совсем то, что вы хотите
смотреть в будущее обязательно
или если вы пытаетесь выяснить, кто
дать ипотеку и использовать в 30
лет ипотечного кредитования
от нас вы можете обнаружить, что ваш
алгоритм немного расист, потому что
базовые данные отражают системные
расизма, тогда мы можем просто подумать о том, что
какие вопросы мы задаем нашим
алгоритмы для решения так, где вы видите
алгоритмы машинного обучения, как правило, так
вы идете на youtube некоторые из них некоторые из них
вы на ежедневной основе, и вы знаете, что вы
смотреть видео, а затем он предлагает
вы следующий видео хорошо, что это прекрасно или
ваша кредитная карточка звонит и говорит
о, ваша сделка с вашей кредитной картой была
отрицается, потому что мы считаем его мошенническим
хорошо, что это удобно, если это
на самом деле мошенничество или вы можете предоставить
некоторая информация для учителей и сказать
эти дети в вашем классе
они рискуют вывалиться, мы можем
расскажите об этом прямо сейчас
начало класса, чтобы вы могли провести
немного больше вашего драгоценного времени с
они довольно приятные, но вы также можете
задайте примерно тот же вопрос, но
сейчас или возьмите тех же детей в классе
и построить модель, где мы расскажем вам
кто из этих детей станет
преступников в вашей жизни в их
живет, а потом вы как-то удивляетесь
хотите ли вы уйти в этом
мир меньшинства, в котором вы
знаю, что машины вроде
этические слепые, но вопросы, которые мы задаем
имеют определенные этические последствия, и мы
должны быть очень хорошо осведомлены о них в
третий пример — с точки зрения оценки
алгоритмов, поэтому в прошлом году он
оказывается, что изображения Google, которые
невероятно хорошо прикладывать изображения
вместе в категории связанных
изображения собирали черных людей
и обезьяны в ту же категорию
иногда, и если вы думаете об этом, это
очень вероятно, что эти алгоритмы были
разработанный инженерами- разработчиками программного обеспечения
вероятно , мужчины статистически говоря , и
очень вероятно, что во время
они, вероятно, смотрели на
некоторые цифры, но некоторые вещи не
появляются, потому что их альбомы или
альбомы людей, которые оценивают
не имели этих конкретных типов
данных, и это только говорит о факте
что очень важно иметь это
группа людей, которые будут развиваться
технологии, поскольку существуют определенные
вещи, где вы можете получить хорошие цифры
и хорошие рейды воздуха и вещи , как это
но очень важно, чтобы
разнообразный набор людей на самом деле
оценивая данные, поэтому существуют способы
справиться с ним так же , как
человеческие мозги — черные ящики, и мы
не знаю от восьмидесяти до девяноста
процентов от того, что происходит в них
алгоритмы машинного обучения также
обычно черные ящики, но мы прямо сейчас
есть тенденция держать его простым глупым
или поцеловать как призыв или объяснить
алгоритм, если вам отказано в
алгоритм обучения алгоритму oisin
вы действительно хотите знать, почему так хорошо
начать искать, где мы хотим
машинное обучение модели , где мы в состоянии
пойдите позже и фактически объясните,
части учебных данных или что
особые веса заставили нас отрицать ваши
чтобы мы могли подумать о том,
нам нужно настроить этот тип материала или
по крайней мере, так, чтобы было объяснение
мы также должны сделать
наша отрасль немного более разнообразна
поэтому такие вещи, как с помощью google
изображения на самом деле не происходят, и я думаю
этические аспекты того,
вопросы, которые мы задаем и как и какие
вещей, которые мы делаем, станут очень
важно также почему почему это
важно, поэтому мы говорили о человеке
предубеждения, и вы знаете, да, если вы смутитесь
я для своего несуществующего 90 в какой-то момент
это действительно не очень важно
там много, если вы малыш выстрелил в
площадка, которую вы, вероятно, почувствуете
довольно ужасно о человеческих предвзятости, но
алгоритмы машинного обучения, которые мы
сейчас они могут влиять
что очень большое количество людей, поэтому
воздействие будет огромным, и это
индустрия действительно взрывается прямо сейчас
из-за количества мощности машины
мы можем довести до этого и
количество данных было в состоянии обучить
алгоритмы, поэтому очень важно
начните смотреть на какие вопросы
мы отвечаем, насколько важны
два человека, которые много людей лгут и
являются ли они предвзятыми, и поэтому я ухожу
вы с мыслью, что нам нужно работать
сам
ISS, но также, когда мы разрабатываем технологию
будущее, особенно машинное обучение
мы должны быть действительно
осознавая, что он может быть предвзятым
что в некоторых случаях очень похоже на
человеческий мозг тоже, и это для меня
[Аплодисменты]
Please follow and like us:
Be First to Comment