يستخدم نظام العدالة والبنوك والشركات الخاصة الخوارزميات لاتخاذ قرارات لها تأثيرات عميقة على حياة الناس. لسوء الحظ ، تكون هذه الخوارزميات متحيزة في بعض الأحيان - وتؤثر بشكل غير متناسب على الأشخاص الملونين وكذلك الأفراد في الفئات ذات الدخل المنخفض عندما يتقدمون بطلب للحصول على قروض أو وظائف ، أو حتى عندما تقرر المحاكم الكفالة التي يجب تحديدها أثناء انتظار الشخص للمحاكمة.
طور باحثو معهد ماساتشوستس للتكنولوجيا لغة برمجة ذكاء اصطناعي جديدة يمكنها تقييم عدالة الخوارزميات بشكل أكثر دقة وبسرعة أكبر من البدائل المتاحة.
إن لغة Sum-Product الاحتمالية (SPPL) هي نظام برمجة احتمالي. تعد البرمجة الاحتمالية مجالًا ناشئًا عند تقاطع لغات البرمجة والذكاء الاصطناعي الذي يهدف إلى جعل تطوير أنظمة الذكاء الاصطناعي أسهل بكثير ، مع نجاحات مبكرة في رؤية الكمبيوتر وتنظيف البيانات المنطقية ونمذجة البيانات الآلية. تسهل لغات البرمجة الاحتمالية على المبرمجين تحديد النماذج الاحتمالية وتنفيذ الاستدلال الاحتمالي - أي العمل بشكل عكسي لاستنتاج التفسيرات المحتملة للبيانات المرصودة.
توجد أنظمة سابقة يمكنها حل العديد من أسئلة الإنصاف. نظامنا ليس الأول. ولكن نظرًا لأن نظامنا متخصص ومحسّن لفئة معينة من النماذج ، فيمكنه تقديم حلول أسرع بآلاف المرات.
يقدم SPPL حلولاً سريعة ودقيقة لأسئلة الاستدلال الاحتمالي مثل "ما مدى احتمال أن يوصي النموذج بقرض لشخص يزيد عمره عن 40 عامًا؟" أو "إنشاء 1,000 مقدم طلب للحصول على قروض اصطناعية ، جميعهم دون سن 30 ، ستتم الموافقة على قروضهم." تستند نتائج الاستدلال هذه إلى برامج SPPL التي تقوم بتشفير النماذج الاحتمالية لأنواع المتقدمين المحتملة ، ودليلًا ، وكذلك كيفية تصنيفهم. تتضمن أسئلة الإنصاف التي يمكن أن يجيب عليها برنامج SPPL "هل هناك فرق بين احتمال التوصية بقرض لمقدم طلب مهاجر وغير مهاجر له نفس الوضع الاجتماعي والاقتصادي؟" أو "ما هو احتمال التوظيف ، بالنظر إلى أن المرشح مؤهل للوظيفة ومن مجموعة ممثلة تمثيلا ناقصا؟"
يختلف SPPL عن معظم لغات البرمجة الاحتمالية ، حيث يسمح SPPL للمستخدمين فقط بكتابة البرامج الاحتمالية التي يمكن أن تقدم تلقائيًا نتائج استدلال احتمالي دقيقة. يتيح SPPL أيضًا للمستخدمين إمكانية التحقق من مدى سرعة الاستدلال ، وبالتالي تجنب كتابة برامج بطيئة. في المقابل ، تسمح لغات البرمجة الاحتمالية الأخرى مثل Gen و Pyro للمستخدمين بتدوين البرامج الاحتمالية حيث تكون الطرق الوحيدة المعروفة للاستدلال تقريبية - أي أن النتائج تتضمن أخطاء يصعب وصف طبيعتها وحجمها.
الخطأ من الاستدلال الاحتمالي التقريبي مقبول في العديد من تطبيقات الذكاء الاصطناعي. لكن من غير المرغوب فيه وجود أخطاء في الاستدلال تؤدي إلى إفساد النتائج في التطبيقات ذات التأثير الاجتماعي للذكاء الاصطناعي ، مثل صنع القرار الآلي ، وخاصة في تحليل الإنصاف.
يتجنب SPPL الأخطاء عن طريق التقييد بفئة مصممة بعناية من النماذج التي لا تزال تتضمن فئة واسعة من خوارزميات الذكاء الاصطناعي ، بما في ذلك مصنفات شجرة القرار التي تُستخدم على نطاق واسع في اتخاذ القرارات الحسابية. يعمل SPPL عن طريق تجميع البرامج الاحتمالية في بنية بيانات متخصصة تسمى "تعبير المنتج الإجمالي". يبني SPPL أيضًا على الموضوع الناشئ المتمثل في استخدام الدوائر الاحتمالية كتمثيل يتيح الاستدلال الاحتمالي الفعال. يمتد هذا النهج العمل السابق على شبكات مجموع المنتج إلى النماذج والاستفسارات المعبر عنها بلغة البرمجة الاحتمالية. ومع ذلك ، يلاحظ سعد أن هذا النهج يأتي مع قيود: "SPPL أسرع بشكل كبير في تحليل عدالة شجرة القرار ، على سبيل المثال ، لكنها لا تستطيع تحليل نماذج مثل الشبكات العصبية. يمكن للأنظمة الأخرى تحليل كل من الشبكات العصبية وأشجار القرار ، لكنها تميل إلى أن تكون أبطأ وتعطي إجابات غير دقيقة ".
يوضح SPPL أن الاستدلال الاحتمالي الدقيق هو عملي ، وليس فقط ممكنًا من الناحية النظرية ، لفئة واسعة من البرامج الاحتمالية. في مختبري ، رأينا استدلالًا رمزيًا لسرعة القيادة وتحسينات الدقة في مهام الاستدلال الأخرى التي تعاملنا معها سابقًا عبر مونت كارلو التقريبي و التعلم العميق الخوارزميات. لقد قمنا أيضًا بتطبيق SPPL على البرامج الاحتمالية التي تم تعلمها من قواعد بيانات العالم الواقعي ، لتحديد احتمالية الأحداث النادرة ، وإنشاء بيانات وكيل اصطناعي نظرًا للقيود ، وفحص البيانات تلقائيًا بحثًا عن الانحرافات المحتملة.
-
تمت إعادة جدولة Electronica India و Productronica India جنبًا إلى جنب مع MatDispens إلى 16-18 ديسمبر 2021
-
هوندا تطلق سكوتر كهربائي جديد U-GO
-
تم تخليص الطوابق لشركة Assam State Electronics Development Corporation المحدودة للاتصال بالإنترنت عالي السرعة
-
من المقرر إطلاق القمر الصناعي للتصوير الجغرافي "EOS-03" في الربع الثالث من عام 2021
مايانك فاششت
-
مايانك فاششتhttps://www.eletimes.com/author/mayankvashishtحلول القياس من Anritsu لاتصالات 5G NR في معرض Anritsu للاختبار والقياس على الويب - ربيع 2021
-
مايانك فاششتhttps://www.eletimes.com/author/mayankvashishtستعمل AI و ML على فتح المستوى التالي في لعبة Chip Design
-
مايانك فاششتhttps://www.eletimes.com/author/mayankvashishtالذكاء الاصطناعي العام وفرضية التهديد الوجودي الحقيقي
-
مايانك فاششتhttps://www.eletimes.com/author/mayankvashishtالواقع الممتد ، تلاشي الخطوط الفاصلة بين الخيال والواقع