Q:
Mengapa penting bagi para ilmuwan data untuk mencari transparansi?
SEBUAH:Transparansi pada dasarnya penting dalam proyek-proyek ilmu data dan program pembelajaran mesin, sebagian karena kompleksitas dan kecanggihan yang mendorongnya - karena program ini “belajar” (menghasilkan hasil probabilistik) daripada mengikuti instruksi pemrograman linier yang telah ditentukan sebelumnya, dan karena hasilnya, mungkin sulit untuk memahami bagaimana teknologi mencapai kesimpulan. Masalah "kotak hitam" dari algoritma pembelajaran mesin yang tidak sepenuhnya dapat dijelaskan kepada pembuat keputusan manusia adalah masalah besar di bidang ini.
Dengan pemikiran itu, mampu menguasai pembelajaran mesin yang dapat dijelaskan atau "AI yang dapat dijelaskan" kemungkinan akan menjadi fokus utama dalam cara perusahaan mengejar perolehan bakat untuk ilmuwan data. Sudah DARPA, lembaga yang membawa kita internet, mendanai studi jutaan dolar di AI yang bisa dijelaskan, mencoba untuk mempromosikan keterampilan dan sumber daya yang dibutuhkan untuk menciptakan pembelajaran mesin dan teknologi kecerdasan buatan yang transparan bagi manusia.
Salah satu cara untuk memikirkannya adalah bahwa sering ada "tahap melek huruf" pengembangan bakat dan "tahap hiperliterasi." algoritma dengan bahasa seperti Python; bagaimana membangun jaringan saraf dan bekerja dengannya. Tahap hyperliteracy adalah kemampuan untuk menguasai AI yang dapat dijelaskan, untuk menyediakan transparansi dalam penggunaan algoritma pembelajaran mesin dan untuk menjaga transparansi ketika program-program ini bekerja menuju sasaran dan sasaran penangan mereka.
Cara lain untuk menjelaskan pentingnya transparansi dalam ilmu data adalah bahwa set data yang digunakan terus menjadi lebih canggih, dan karena itu lebih berpotensi mengganggu kehidupan manusia. Penggerak utama lain dari pembelajaran mesin dan ilmu data yang dapat dijelaskan adalah Peraturan Perlindungan Data Umum Eropa yang baru-baru ini diterapkan untuk mencoba mengekang penggunaan data pribadi yang tidak etis. Menggunakan GDPR sebagai kasus uji, para ahli dapat melihat bagaimana kebutuhan untuk menjelaskan proyek-proyek ilmu data sesuai dengan masalah privasi dan keamanan, serta etika bisnis.
