コンテンツ
Q：
データ科学者が透明性を追求することが重要なのはなぜですか？
A：
透明性は、データサイエンスプロジェクトおよび機械学習プログラムで本質的に重要です。これは、それらを駆動する複雑さと洗練のためです。これらのプログラムは、所定の線形プログラミング命令に従うのではなく、「学習」（確率的結果の生成）であるためです。テクノロジーがどのように結論に達しているのかを理解するのは困難です。人間の意思決定者に完全に説明できない機械学習アルゴリズムの「ブラックボックス」問題は、この分野で大きな問題です。
これを念頭に置いて、説明可能な機械学習または「説明可能なAI」を習得できることが、企業がデータサイエンティストの人材獲得を追求する方法の主な焦点になる可能性があります。すでにインターネットをもたらした機関であるDARPAは、説明可能なAIの数百万ドルの研究に資金を提供しており、人間に透過的な機械学習と人工知能技術の作成に必要なスキルとリソースを促進しようとしています。
それについて考える1つの方法は、才能開発の「リテラシー段階」と「ハイパーリテラシー段階」がしばしばあるということです。データサイエンティストにとって、伝統的なリテラシー段階は機械学習プログラムを組み立てる方法と構築する方法の知識ですPythonのような言語を使用したアルゴリズム。ニューラルネットワークを構築し、それらを操作する方法。ハイパーリテラシーの段階は、説明可能なAIを習得し、機械学習アルゴリズムの使用に透明性を提供し、これらのプログラムが目標とハンドラーの目標に向かって動作するときに透明性を維持する能力です。
データサイエンスにおける透明性の重要性を説明する別の方法は、使用されているデータセットがより洗練され、人々の生活に侵入する可能性が高くなることです。説明可能な機械学習とデータサイエンスのもう1つの主要な推進力は、個人データの非倫理的な使用を制限するために最近導入された欧州一般データ保護規則です。 GDPRをテストケースとして使用することで、専門家は、データサイエンスプロジェクトを説明する必要性が、ビジネス倫理だけでなくプライバシーとセキュリティの懸念にどのように適合するかを確認できます。