https://blog.qife122.com/tags/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%85%AC%E5%B9%B3%E6%80%A7/ Recent content in 机器学习公平性 on 办公AI智能小助手 Hugo zh-cn qife Sat, 04 Oct 2025 02:43:25 +0800 https://blog.qife122.com/p/%E8%B4%9F%E8%B4%A3%E4%BB%BBai%E5%AE%9E%E8%B7%B5%E4%B8%AD%E7%9A%84%E4%B8%89%E5%A4%A7%E5%85%B3%E9%94%AE%E6%8C%91%E6%88%98/ Sat, 04 Oct 2025 02:43:25 +0800 https://blog.qife122.com/p/%E8%B4%9F%E8%B4%A3%E4%BB%BBai%E5%AE%9E%E8%B7%B5%E4%B8%AD%E7%9A%84%E4%B8%89%E5%A4%A7%E5%85%B3%E9%94%AE%E6%8C%91%E6%88%98/ <h1 id="负责任ai实践中的三大关键挑战">负责任AI实践中的三大关键挑战</h1> <p>当我们三年前加入某中心AI/ML团队时，已经在负责任AI领域进行了一段时间的科学研究。我们撰写过多篇论文，提出了公平性的数学定义和执行这些定义的机器学习训练算法，以及确保训练模型强隐私保护的方法。我们精通可解释性和鲁棒性等相关主题，并且是新兴负责任AI研究社区的常驻成员。</p> https://blog.qife122.com/p/%E8%B4%9F%E8%B4%A3%E4%BB%BBai%E5%AE%9E%E8%B7%B5%E4%B8%AD%E7%9A%84%E4%B8%89%E5%A4%A7%E5%85%B3%E9%94%AE%E6%8C%91%E6%88%98%E4%B8%8E%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88/ Sun, 14 Sep 2025 01:35:28 +0800 https://blog.qife122.com/p/%E8%B4%9F%E8%B4%A3%E4%BB%BBai%E5%AE%9E%E8%B7%B5%E4%B8%AD%E7%9A%84%E4%B8%89%E5%A4%A7%E5%85%B3%E9%94%AE%E6%8C%91%E6%88%98%E4%B8%8E%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88/ <h1 id="负责任ai实践中的三大关键挑战与解决方案">负责任AI实践中的三大关键挑战与解决方案</h1> <h2 id="模态的重要性">模态的重要性</h2> <p>在AI服务开发过程中，数据模态（如图像、语音或文本）对系统性能和负责任AI实践具有重大影响。以机器学习公平性为例，多数研究假设训练和测试数据中均包含可直接获取的人口统计特征（如性别、种族、年龄等）。对于表格化医疗或金融数据，这种假设可能成立，开发者可以相对容易地检测模型在不同群体间的错误率差异并进行调整。</p>