7、边缘AI的负责任设计与伦理考量

边缘AI的负责任设计与伦理考量

1. 负责任设计的基础

在进行边缘AI的开发时,负责任的设计至关重要。可以将负责任的开发者视为能够熟练运用工具,将材料打造成符合利益相关者需求,并遵循受项目影响的所有人所认同的价值观的人。

要开启负责任的设计并不难,关键在于以下几点:
- 了解数据的局限性。
- 了解模型的局限性。
- 与产品的使用者进行沟通。

简单来说,开发负责任的边缘AI,要做到“KUDOs”,即“Know Ur Data”(了解你的数据)。

2. 边缘AI的黑盒与偏差问题

2.1 黑盒问题

边缘AI存在两个容易在实践中造成意外危害的方面,其中之一就是黑盒问题。黑盒是指一个系统对于分析和理解而言是不透明的。数据输入,决策输出,但导致这些决策的内部过程却难以捉摸。

现代AI,尤其是深度学习模型,常因难以剖析而受到批评。不过,像随机森林这样的算法,如果能访问模型,就比较容易解释其决策原因。但在边缘设备上情况则大不相同。

边缘设备通常设计得具有隐蔽性,它们会融入我们的生活环境,嵌入到建筑、产品、车辆和玩具中。这些设备就像真正的黑盒,其内部内容不可见,还常受到多层安全保护,难以进行详细检查。

一旦AI算法部署到边缘设备上,对于使用者来说它就成了黑盒。如果设备在与开发者预期不同的现实条件下运行,即使是开发者自己也可能难以理解其行为。

黑盒问题对不同的人都存在危险:
- 用户 :购买和安装设备的用户依赖一个他们并不完全理解的系统。他们可能信任设备做出正确决策,但却无法

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值