প্রশ্ন:
মেশিন পক্ষপাত কেন মেশিন লার্নিংয়ে সমস্যা?
উত্তর:এই প্রশ্নের উত্তর দুটি পৃথকভাবে দেওয়া যেতে পারে। প্রথমত, কেন মেশিন পক্ষপাতিত্ব সমস্যা, কেন এটি মেশিন লার্নিং প্রক্রিয়াগুলিতে বিদ্যমান?
মেশিন লার্নিং যদিও পরিশীলিত এবং জটিল, এটি ব্যবহার করে এমন ডেটা সেটের উপর ভিত্তি করে কিছুটা সীমিত। ডেটা সেটগুলি নির্মাণের অন্তর্নিহিত পক্ষপাত জড়িত। মিডিয়ায় যেমন, বাদ পড়ার এবং ইচ্ছাকৃতভাবে অন্তর্ভুক্তির পছন্দগুলি কোনও বিশেষ পক্ষপাত প্রদর্শন করতে পারে, মেশিন লার্নিংয়ে, ডেটা সেটগুলি ব্যবহার করা হয় তা কী ধরণের পক্ষপাতিত্ব রয়েছে তা নির্ধারণ করার জন্য অবশ্যই পরীক্ষা করা উচিত।
| ফ্রি ডাউনলোড: মেশিন লার্নিং এবং কেন এটি গুরুত্বপূর্ণ |
উদাহরণস্বরূপ, প্রযুক্তি পরীক্ষার এবং ডিজাইন প্রক্রিয়াগুলির জন্য এক ধরণের ব্যবহারকারীর জন্য অন্যের চেয়ে বেশি পছন্দ পছন্দ করা সাধারণ সমস্যা। একটি বড় উদাহরণ প্রযুক্তি বিশ্বে লিঙ্গ বৈষম্য।
কেন এটি একটি পার্থক্য করে এবং কেন এটি মেশিন লার্নিংয়ের জন্য প্রযোজ্য?
কারণ একটি পরীক্ষার পরিবেশে বিদ্যমান স্ত্রীলোকদের অভাব এমন একটি উত্পাদিত প্রযুক্তির দিকে নিয়ে যেতে পারে যা কোনও মহিলা দর্শকের পক্ষে কম ব্যবহারকারী-বান্ধব। কিছু বিশেষজ্ঞরা যেভাবে এটি বর্ণনা করেছেন তা হ'ল বিদ্যমান মহিলা টেস্টিং ব্যতীত শেষ পণ্যটি মহিলা ব্যবহারকারীদের ইনপুটটিকে স্বীকৃতি দিতে পারে না - এটির মধ্যে মহিলা পরিচয় সনাক্তকরণ বা মহিলা থেকে ইনপুট নিয়ে পর্যাপ্ত পরিমাণে ডিল করার সরঞ্জাম থাকতে পারে না।
বিভিন্ন জাতিসত্তা, বিভিন্ন ধর্মের লোক বা অন্য কোনও ধরণের জনসংখ্যার ক্ষেত্রেও এটি একই রকম। সঠিক তথ্য ব্যতীত, মেশিন লার্নিং অ্যালগরিদমগুলি কোনও প্রদত্ত ব্যবহারকারীর সেটগুলির জন্য সঠিকভাবে কাজ করবে না, যাতে অন্তর্ভুক্তির ডেটা প্রযুক্তিতে ইচ্ছাকৃতভাবে যুক্ত করতে হবে। কেবলমাত্র প্রাথমিক ডেটা সেট গ্রহণ এবং অন্তর্নিহিত পক্ষপাতিত্বকে শক্তিশালী করার পরিবর্তে, মানব হ্যান্ডেলারদের বিষয়টি সত্যিই দেখার প্রয়োজন।
আরেকটি উদাহরণ হ'ল একটি মেশিন লার্নিং ইঞ্জিন যা চাকরী এবং বেতনের তথ্য গ্রহণ করে এবং ফলাফলগুলি ছড়িয়ে দেয়। যদি অন্তর্নিহিত ডেটা সেটটি বিশ্লেষণ না করা হয় তবে মেশিনটি পক্ষপাতিত্বকে আরও শক্তিশালী করবে। যদি এটি উপলব্ধি হয় যে পুরুষরা বিশাল পরিমাণে কার্যনির্বাহী চাকরি রাখে, এবং মেশিন লার্নিং প্রক্রিয়ায় কাঁচা ডেটা সেট দিয়ে ফিল্টারিং করা এবং সংশ্লিষ্ট ফলাফলগুলি অন্তর্ভুক্ত করা হয়, তবে ফলাফলগুলি পুরুষ পক্ষপাত প্রদর্শন করে চলেছে।
এই পক্ষপাত এত ক্ষতিকারক কেন এই প্রশ্নের দ্বিতীয় অংশে জড়িত। পর্যাপ্ত তদারকি ও পরীক্ষা ছাড়াই, নতুন প্রযুক্তিগুলি আমাদের অন্তর্ভুক্তি এবং সাম্যের ধারণাটি ক্ষতি করতে পারে, সহায়তা করে না। যদি কোনও নতুন প্রযুক্তি পণ্য ঘূর্ণায়মান হয় যা হালকা ত্বকের মুখগুলি স্বীকৃতি দেয় তবে গাer় চামড়াযুক্ত নয়, এটি বর্ধিত নৃতাত্ত্বিক উত্তেজনা সৃষ্টি করতে পারে এবং এই ধারণাটি যে সংস্থার মধ্যে রয়েছে তা বৈচিত্র্যে সংবেদনশীল নয়। যদি কোনও মেশিন লার্নিং অ্যালগরিদম ডেটা সেটগুলিতে পুনরুত্পাদন করে এবং পক্ষপাত বাড়িয়ে তোলে তবে কৃত্রিম বুদ্ধিমত্তা মানব কণ্ঠ এবং মানব প্রবণতাগুলিতে এর আওয়াজ যুক্ত করতে চলেছে যা ইতিমধ্যে সামাজিক ব্যবস্থায় রয়েছে যা অন্য এক গ্রুপের লোকদের পক্ষে।
এর সাথে মোকাবিলা করার সর্বোত্তম উপায় হ'ল অন্তর্নিহিত ডেটা সেটগুলিকে ঘনিষ্ঠভাবে পর্যালোচনা করা, বৈশিষ্ট্য নির্বাচন ব্যবহার করা, পরিবর্তনশীল ইনপুট যুক্ত করা এবং কাঁচা ডেটা সেটগুলি নিজেরাই ম্যানিপুলেট করা এবং ডেটা ইচ্ছাকৃতভাবে মানুষের কারুকাজের সাথে মেশিন লার্নিংয়ের আসল শক্তি বৃদ্ধি করা, ফলাফল যা দুর্দান্ত বিশ্লেষণাত্মক শক্তি সরবরাহ করে, কিন্তু এমন কিছু মানব অন্তর্দৃষ্টি রয়েছে যেগুলি কম্পিউটারগুলি এখনও প্রতিলিপি করতে পারে না।
