హోమ్ ట్రెండ్లులో డేటా శాస్త్రవేత్తలు పారదర్శకతను కోరుకోవడం ఎందుకు ముఖ్యం?

డేటా శాస్త్రవేత్తలు పారదర్శకతను కోరుకోవడం ఎందుకు ముఖ్యం?

Anonim

Q:

డేటా శాస్త్రవేత్తలు పారదర్శకతను కోరుకోవడం ఎందుకు ముఖ్యం?

A:

డేటా సైన్స్ ప్రాజెక్టులు మరియు మెషీన్ లెర్నింగ్ ప్రోగ్రామ్‌లలో పారదర్శకత చాలా ముఖ్యమైనది, ఎందుకంటే వాటిని నడిపించే సంక్లిష్టత మరియు అధునాతనత - ఎందుకంటే ఈ ప్రోగ్రామ్‌లు ముందుగా నిర్ణయించిన లీనియర్ ప్రోగ్రామింగ్ సూచనలను అనుసరించడం కంటే “నేర్చుకోవడం” (సంభావ్యత ఫలితాలను ఉత్పత్తి చేయడం), మరియు ఫలితంగా, సాంకేతికత ఎలా నిర్ధారణలకు చేరుకుంటుందో అర్థం చేసుకోవడం కష్టం. మానవ నిర్ణయాధికారులకు పూర్తిగా వివరించలేని యంత్ర అభ్యాస అల్గోరిథంల “బ్లాక్ బాక్స్” సమస్య ఈ రంగంలో పెద్దది.

దీన్ని దృష్టిలో ఉంచుకుని, వివరించదగిన యంత్ర అభ్యాసాన్ని లేదా “వివరించదగిన AI” ను ప్రావీణ్యం పొందగలగడం అనేది డేటా సైంటిస్ట్ కోసం ప్రతిభను సంపాదించడానికి కంపెనీలు ఎలా ప్రయత్నిస్తాయో ప్రధానంగా ఉంటుంది. ఇప్పటికే మనకు ఇంటర్నెట్ తెచ్చిన సంస్థ DARPA, వివరించదగిన AI లో బహుళ మిలియన్ డాలర్ల అధ్యయనానికి నిధులు సమకూరుస్తోంది, మానవులకు పారదర్శకంగా ఉండే యంత్ర అభ్యాసం మరియు కృత్రిమ మేధస్సు సాంకేతిక పరిజ్ఞానాన్ని రూపొందించడానికి అవసరమైన నైపుణ్యాలు మరియు వనరులను ప్రోత్సహించడానికి ప్రయత్నిస్తోంది.

దాని గురించి ఆలోచించడానికి ఒక మార్గం ఏమిటంటే, ప్రతిభ అభివృద్ధి యొక్క “అక్షరాస్యత దశ” మరియు “హైపర్‌లిటరసీ దశ” తరచుగా ఉంటుంది. ఒక డేటా సైంటిస్ట్ కోసం, సాంప్రదాయ అక్షరాస్యత దశ యంత్ర అభ్యాస కార్యక్రమాలను ఎలా సమకూర్చుకోవాలో మరియు ఎలా నిర్మించాలో పరిజ్ఞానం ఉంటుంది. పైథాన్ వంటి భాషలతో అల్గోరిథంలు; నాడీ నెట్‌వర్క్‌లను ఎలా నిర్మించాలి మరియు వాటితో ఎలా పని చేయాలి. హైపర్లిటరసీ దశ అనేది వివరించదగిన AI ని ప్రావీణ్యం చేయగల సామర్థ్యం, ​​యంత్ర అభ్యాస అల్గోరిథంల వాడకంలో పారదర్శకతను అందించడం మరియు ఈ కార్యక్రమాలు వారి లక్ష్యాలు మరియు వారి హ్యాండ్లర్ల లక్ష్యాల వైపు పనిచేసేటప్పుడు పారదర్శకతను కాపాడటం.

డేటా సైన్స్లో పారదర్శకత యొక్క ప్రాముఖ్యతను వివరించడానికి మరొక మార్గం ఏమిటంటే, ఉపయోగించబడుతున్న డేటా సెట్లు మరింత అధునాతనంగా మారడం మరియు అందువల్ల ప్రజల జీవితాలలో మరింత చొరబడటం. వివరించదగిన యంత్ర అభ్యాసం మరియు డేటా సైన్స్ యొక్క మరొక ప్రధాన డ్రైవర్ యూరోపియన్ జనరల్ డేటా ప్రొటెక్షన్ రెగ్యులేషన్, ఇది వ్యక్తిగత డేటాను అనైతికంగా ఉపయోగించడాన్ని అరికట్టడానికి ఇటీవల అమలు చేయబడింది. GDPR ను ఒక పరీక్ష కేసుగా ఉపయోగించడం ద్వారా, డేటా సైన్స్ ప్రాజెక్టులను వివరించాల్సిన అవసరం గోప్యత మరియు భద్రతా సమస్యలతో పాటు వ్యాపార నీతికి ఎలా సరిపోతుందో నిపుణులు చూడవచ్చు.

డేటా శాస్త్రవేత్తలు పారదర్శకతను కోరుకోవడం ఎందుకు ముఖ్యం?