기계 학습 전문가들이 마치 망치를 들고 모든 것을 나사로 보며 돌아다니는 것 같을 때가 종종 있습니다. 그들은 멋진 일을 할 수 있고 일하기 재미있는 시스템을 가지고 있으며, 그것을 사용할 수 있는 것을 찾기 위해 탐험합니다. 하지만 사회 문제들을 명확히 정의하고 그것을 해결하기 위한 유용한 단계를 제공하는 알고리즘을 설계하기 위해 다양한 분야의 사람들과 함께 일하는 것으로 시작하면 어떨까요?
UC 버클리의 컴퓨터 과학 연구원이자 교수인 레디트 아베베는 기계 학습이 실제 세계에서 어떻게 작동하는지에 대해 많은 시간을 보내고, 기계 학습 프로세스의 결과를 더 실행 가능하고 공평하게 만들기 위해 노력합니다.
아베베는 EFF의 신디 코인 및 대니 오브린과 함께 기계 학습 파이프라인을 재정의하는 방법에 대해 논의합니다 - 더 다양한 컴퓨터 과학자 풀을 만드는 것부터 사회에서 가장 소외되고 취약한 사람들을 돕기 위해 이 기술을 어떻게 적용할 것인지에 대한 재고까지 - 사람들에게 진정한 긍정적인 변화를 가져오기 위해.
이 에피소드에서 배우게 될 것들:
- 미국의 공식 빈곤 측정 방법의 역사적 문제점
- 기계 학습이 어떻게(그리고 어떻게 하지 못할지) 형사 재판에서 더 공정한 판결로 이어질 수 있는지
- 공평한 데이터 공유 관행이 전 세계 국가와 문화에 어떻게 도움이 될 수 있는지
- 상업적 이익 이외의 목표를 최대화하기 위해 기계 학습의 변수를 재고하는 것.
이 에피소드에 대한 피드백이 있으면 podcast@eff.org로 이메일을 보내주세요. 웹사이트 페이지를 방문하세요:https://eff.org/pod208여기서 여러분은 팟캐스트에서 논의된 중요한 법적 사례와 연구에 대한 링크를 포함한 자원들을 찾을 수 있으며, 오디오 전체 전사본도 확인할 수 있습니다.
이 팟캐스트는 알프레드 P. 슬로안 재단(Alfred P. Sloan Foundation)의 과학 및 기술에 대한 대중의 이해 프로그램에 의해 지원됩니다.
인터넷을 고치는 방법에 대한 음악은 리드 매티스(Reed Mathis)와 나트 키프(Nat Keefe)가 비트모어(BeatMower)에서 특별히 만들어주었습니다.
이 팟캐스트는 크리에이티브 커먼즈 어트립션 4.0 국제 라이선스에 따라 라이선스가 부여되었으며, 다음 음악은 크리에이티브 커먼즈 어트립션 3.0 언포트 라이선스로 라이선스가 부여되었습니다:
http://dig.ccmixter.org/files/djlang59/59729
아마도 하지 말았어야 할 일(Probably Shouldn't) - J.Lang
Klaus by Skill_Borrower - 스킬 차용자의 '클라우스'
http://dig.ccmixter.org/files/airtone/58703 - 에어톤의 작품: http://dig.ccmixter.org/files/airtone/58703
commonGround by airtone - 에어톤의 '공통점'
Smokey Eyes by Stefan Kartenberg - 스테판 카텐베르크의 '담배 연기 눈'
http://dig.ccmixter.org/files/NiGiD/62475 - NiGiD의 작품: http://dig.ccmixter.org/files/NiGiD/62475
Chrome Cactus by Martijn de Boer (NiGiD) - 마르틴 데 보어의 '크롬 선인장' (니기드 제작)