文件名称：机器如何“思考”：理解机器学习算法中的不透明度-研究论文
文件大小：2.29MB
文件格式：PDF
更新时间：2024-06-29 06:15:39
opacity machine learning
本文将不透明度问题视为分类和排名的社会后果机制的问题，例如垃圾邮件过滤器、信用卡欺诈检测、搜索引擎、新闻趋势、市场细分和广告、保险或贷款资格以及信用评分。 这些分类机制都经常依赖于计算算法，并且在许多情况下依靠机器学习算法来完成这项工作。 在本文中，我区分了三种形式的不透明：（1）作为故意的公司或国家机密的不透明（2）作为技术文盲的不透明，以及（3）由机器学习算法的特征和规模引起的不透明需要有用地应用它们。 本文中的分析深入算法本身。 我引用了计算机科学领域的现有文献、已知的行业实践（因为它们是公开呈现的），并对代码进行了一些测试和操作，作为一种轻量级代码审计的形式。 我认为，认识到可能在给定应用程序中发挥作用的不同形式的不透明度是确定各种技术和非技术解决方案中的哪一种有助于防止伤害的关键。