Джерела упередженості

Технічна компанія розробила генеративну модель ШІ, щоб допомагати компаніям із наймом. ШІ створює та просуває описи вакансій, переглядає й ранжує резюме та генерує персоналізовані запитання для співбесіди для кожного кандидата.

Дослідіть інтерактивний застосунок, щоб зрозуміти, де саме може з'являтися упередженість у системах ШІ, а потім дайте відповідь на запитання.

Які з наведених нижче пунктів можуть бути джерелами упередженості в цьому сценарії?

Ця вправа є частиною курсу

Концепції Generative AI

Переглянути курс

Практична інтерактивна вправа

Перетворіть теорію на практику за допомогою однієї з наших інтерактивних вправ

Почати вправу

Ця вправа є частиною курсу

Концепції Generative AI

SkillTag.level.beginnerSkillTag.label

4.8+

Почніть курс безкоштовно

Ознайомтеся з поняттям Generative AI та його здатністю створювати контент, а також з його реальними застосуваннями й обмеженнями. Ви розберете відмінності між традиційними моделями машинного навчання, Generative AI та загальним штучним інтелектом (AGI) і дослідите ключові чинники, що рухають розвиток Generative AI.

Exercise 1: Що таке генеративний ШІ?Exercise 2: Знайомство з генеративним ШІ Exercise 3: Робота з генеративною моделлю ШІ Exercise 4: Застосування генеративного ШІ Exercise 5: Генеративний ШІ в ландшафті машинного навчання Exercise 6: Добір правильного інструмента для завдання Exercise 7: Відмінності між генеративним ШІ та традиційним ML Exercise 8: Більше песиків і GAN Exercise 9: Еволюція генеративного ШІ Exercise 10: Що рухає галузь уперед Exercise 11: Трансформери Exercise 12: Прориви в generative AI

У цьому розділі ми розглянемо основні кроки створення моделей Generative AI: дослідження й проєктування, збирання даних, тренування моделі та оцінювання. Ми проаналізуємо важливість різноманітних наборів даних і сучасних методів тренування, а також різні підходи до оцінювання, обговорюючи їхні сильні сторони та обмеження.

Exercise 1: Проєктування моделі та збирання даних Exercise 2: Дослідження та проєктування Exercise 3: Несподівана удача з набором даних?Exercise 4: Навчання моделі Exercise 5: Фактори, що впливають на навчання моделі Exercise 6: Техніки розробки спеціалізованих моделей Exercise 7: Оцінювання моделі Exercise 8: Анімація PixAIr Exercise 9: Допоможемо Intellibrand оцінити модель

Цей розділ присвячений відповідальному використанню Generative AI. Ми обговоримо виклики та стратегії зменшення соціальних упереджень, питання інтелектуальної власності та приватності, а також етичні міркування для запобігання зловживанням. Завершимо оглядом значного потенціалу й ризиків загального штучного інтелекту (AGI) та підходів до контролю його результатів.

Exercise 1: Оцінювання та пом'якшення соціальної упередженості Exercise 2: Джерела упередженості

Поточна вправа

Exercise 3: Виявлення та пом'якшення упередженості Exercise 4: Авторське право та право власності Exercise 5: Правові та приватністні аспекти Exercise 6: Визначення претензій на права інтелектуальної власності Exercise 7: Відповідальне використання застосунків генеративного ШІ Exercise 8: Принципи використання Exercise 9: Упровадження відповідальних практик ШІ Exercise 10: Artificial general intelligence (AGI)Exercise 11: Характеристики AGI Exercise 12: Наслідки AGI

Розділ 4 досліджує потенціал, вплив і інтеграцію Generative AI у людські робочі процеси. Тут ідеться про ключових учасників розвитку AI — від університетів до компаній — і про те, як суспільство пристосовується до AI. Розділ заглиблюється у вплив AI на продуктивність, динаміку зайнятості, освіту, медіа, розваги, наукові досягнення та етичні аспекти.

Exercise 1: Інтеграція нових рішень ШІ у наявні робочі процеси Exercise 2: Використання генеративного ШІ в дата-сайєнсі Exercise 3: Розроблення нової маркетингової кампанії Exercise 4: Прогрес у генеративному ШІ Exercise 5: Відкрити код чи не відкривати код Exercise 6: Super Duper GANs Exercise 7: Підготовка до майбутнього з генеративним ШІ Exercise 8: Генеративний ШІ в освіті Exercise 9: Цінність навичок у світі з ШІ Exercise 10: Ви це зробили!