智能系统中的偏见
知识导论——智能系统中的偏见
用于训练模型的数据可能反映社会不平等,或不能充分代表某些群体。不同措辞、数据及评价方式可能改变输出,因此应批判性地检查结果。
这一主题为何对 FUTURIA 重要?它帮助成员从被动接收信息走向理解、实践与贡献。它可以成为学习路径、知识论坛讨论或创意孵化项目的起点。讨论想法不要求学术头衔,但认证成果需要适当证据。
建议活动——对同一工具采用不同问法,比较回答并记录差异与隐含假设。
责任边界——小规模试验可以提出重要问题,但不足以单独证明系统性偏见。
讨论:首先应检验哪项假设?可以查阅哪些资料?什么结果可以记录,其推广有何局限?
