প্রশ্ন:
তথ্য বিজ্ঞানীদের পক্ষে স্বচ্ছতা কেন পাওয়া জরুরি?
উত্তর:স্বচ্ছতা ডেটা সায়েন্স প্রকল্প এবং মেশিন লার্নিং প্রোগ্রামগুলিতে মূলত গুরুত্বপূর্ণ, কারণ কিছুটা জটিলতা এবং পরিশীলন যা তাদের চালিত করে - কারণ এই প্রোগ্রামগুলি পূর্বনির্ধারিত রৈখিক প্রোগ্রামিং নির্দেশাবলী অনুসরণ করার পরিবর্তে "শেখা" (সম্ভাব্য ফলাফল তৈরি করে), এবং ফলস্বরূপ, প্রযুক্তি কীভাবে সিদ্ধান্তে পৌঁছেছে তা বোঝা শক্ত হতে পারে। মেশিন লার্নিং অ্যালগরিদমগুলির "ব্ল্যাক বক্স" সমস্যা যা মানুষের সিদ্ধান্ত গ্রহণকারীদের কাছে পুরোপুরি ব্যাখ্যাযোগ্য নয় এই ক্ষেত্রে এটি একটি বড় সমস্যা।
এই বিষয়টি মনে রেখে, সংস্থাগুলি কীভাবে ডেটা বিজ্ঞানীর জন্য প্রতিভা অর্জনের পিছনে পিছনে যায় তা ব্যাখ্যাযোগ্য মেশিন লার্নিং বা "ব্যাখ্যাযোগ্য এআই" আয়ত্ত করতে সক্ষম হবেন সম্ভবত। ইতিমধ্যে DARPA, যে সংস্থাটি আমাদেরকে ইন্টারনেট এনেছে, ব্যাখ্যামূলক এআই-তে একটি মিলিয়ন মিলিয়ন ডলার অধ্যয়নের জন্য অর্থায়ন করছে, মেশিন লার্নিং এবং কৃত্রিম বুদ্ধিমত্তা প্রযুক্তি তৈরির জন্য প্রয়োজনীয় দক্ষতা এবং সংস্থানগুলি যে মানুষের কাছে স্বচ্ছ, তা প্রচার করার চেষ্টা করছে।
এটি সম্পর্কে চিন্তা করার একটি উপায় হ'ল প্রায়শই প্রতিভা বিকাশের একটি "সাক্ষরতার পর্যায়" এবং একটি "হাইপারলিটারিটি পর্যায়" থাকে। একটি তথ্য বিজ্ঞানীর পক্ষে, machineতিহ্যবাহী সাক্ষরতার স্তরটি কীভাবে মেশিন লার্নিং প্রোগ্রামগুলি স্থাপন করা যায় এবং কীভাবে তৈরি করা যায় তা সম্পর্কে জ্ঞান হবে be পাইথনের মতো ভাষার সাথে অ্যালগরিদম; কীভাবে নিউরাল নেটওয়ার্ক তৈরি করা যায় এবং তাদের সাথে কাজ করা যায়। হাইপারলিটারি পর্যায়টি হ'ল ব্যাখ্যাযোগ্য এআই আয়ত্ত করার দক্ষতা, মেশিন লার্নিং অ্যালগরিদমগুলির ব্যবহারে স্বচ্ছতা সরবরাহ এবং এই প্রোগ্রামগুলি তাদের লক্ষ্য এবং তাদের হ্যান্ডলারের লক্ষ্যগুলির দিকে কাজ করে বলে স্বচ্ছতা বজায় রাখার ক্ষমতা।
ডেটা সায়েন্সে স্বচ্ছতার গুরুত্ব ব্যাখ্যা করার আরেকটি উপায় হ'ল যে ডেটা সেটগুলি ব্যবহার করা হচ্ছে তা আরও পরিশীলিত হয়ে ওঠে এবং তাই মানুষের জীবনে আরও সম্ভাবনাময় হস্তক্ষেপ করে। ব্যাখ্যামূলক মেশিন লার্নিং এবং ডেটা সায়েন্সের আরেকটি বড় চালক হ'ল ইউরোপীয় জেনারেল ডেটা প্রোটেকশন রেগুলেশন যা ব্যক্তিগত তথ্যের অনৈতিক ব্যবহার রোধ করার জন্য সম্প্রতি প্রয়োগ করা হয়েছিল। পরীক্ষার কেস হিসাবে জিডিপিআর ব্যবহার করে বিশেষজ্ঞরা দেখতে পাচ্ছেন যে কীভাবে ডেটা বিজ্ঞান প্রকল্পগুলি ব্যাখ্যা করার প্রয়োজনটি গোপনীয়তা এবং সুরক্ষা উদ্বেগের পাশাপাশি ব্যবসায়ের নীতিতে ফিট করে।
