Begreper & referanser
Alle nøkkelbegrepene, formlene og referansene fra Ansvarlig maskinlæring, samlet på én side. Bruk denne som oppslag når du leser, øver flashcards eller tar quiz.
Begreper
Sentrale begreper fra kapittelet med korte definisjoner.
Et normativt mål om rimelig behandling av personer eller grupper; ulike fairness-kriterier kan være gjensidig uforenlige.
Systematiske skjevheter i innsamling, måling eller utvalg som gjør at dataene ikke representerer formålet godt.
At dataene modellen møter etter utrulling, har en annen fordeling enn dataene den ble utviklet på.
Reell mulighet for kompetente mennesker til å overvåke, gripe inn og overstyre systemet.
Menneskers mulighet til å ta informerte valg uten skjult eller urimelig maskinell påvirkning.
Prinsippet om at teknologien bør fremme nytte og menneskelig velferd.
At roller, beslutninger, dokumentasjon og klagemuligheter gjør det mulig å plassere og utøve ansvar.
EUs risikobaserte regelverk for kunstig intelligens, med krav som avhenger av systemets rolle og risikokategori.
Læringsmål
Hva du skal kunne etter å ha lest kapittelet.
- 01Kartlegge berørte parter, nytte og skade før et maskinlæringsproblem formuleres
- 02Identifisere datasettbias, proxyfeatures og målefeil som teknisk balansering ikke alene løser
- 03Sammenligne fairness-kriterier og forklare hvorfor kriterievalget er normativt
- 04Beskrive krav til reell menneskelig kontroll, autonomi, klage og korrigering
- 05Planlegge dokumentasjon, overvåkning og stopprekriterier ved distribusjonsskift
- 06Omtale AI Act nøkternt som et datert, risikobasert og rolleavhengig regelverk