了解如何使用 TensorFlow 将负责任的 AI 实践集成到您的 ML 工作流程中

我的 ML 系统适用于谁？

实际用户体验您的系统的方式对于评估其预测、推荐和决策的真实影响至关重要。确保在开发过程的早期阶段从各种用户那里获得反馈。

我是否使用了具有代表性的数据集？

您的数据是否以代表您的用户（例如，将用于所有年龄段，但您只有来自老年人的训练数据）和现实世界环境（例如，将全年使用，但您只有来自夏季的训练数据）的方式进行采样？

我的数据中是否存在现实世界/人为偏差？

数据中的潜在偏差会导致复杂的反馈循环，加剧现有的刻板印象。

我应该使用什么方法来训练我的模型？

使用训练方法将公平性、可解释性、隐私和安全性融入模型。

我的模型表现如何？

评估用户在各种用户、用例和使用环境中的现实世界场景中的体验。首先进行内部测试，然后在发布后继续进行测试。

是否存在复杂的反馈循环？

即使整个系统设计中的所有内容都经过精心设计，基于 ML 的模型在应用于真实、实时数据时也很少能达到 100% 的完美。当实时产品中出现问题时，请考虑它是否与任何现有的社会劣势相符，以及它将如何受到短期和长期解决方案的影响。