- Machine Learning
이번 주 #GraphCast에 오신 것을 환영해요! 지난 2주 동안 Neo4j 미디어에서 놓쳤을 수도 있는 내용을 다루는 시리즈랍니다.
지난번 저희 주니어 에디터님, 조 윈 테트께서 Knowledge Graph 편승에 나설 때인지 결정하는 데 도움이 되는 8가지 질문을 공유했었죠. (저는 또 다른 이유로 그렇다고 대답할 거예요! 아래를 참조하세요!)
이번 주에는 이 점을 알려드리고 싶어요. 멋진 영상, AI의 알고리즘 편향에 대해서 말이죠. 여러분이 어떤 분야에 종사하든 AI는 미래에 여러분에게 영향을 미칠 것이기 때문에 우리 모두가 생각해 보아야 할 문제 같아요. 아직 영향을 받지 않았다면 말이죠!
Machine Learning은 제공하는 데이터에 따라 결과가 달라지기 때문에, AI에 편향이 생기는 걸 막으려면 데이터를 제대로 이해해야 해요. 편향은 대표성이 부족하거나 문제가 있는 훈련 데이터 때문에 생길 수 있죠. 2018년에 Amazon 채용 도구가 남성 위주의 업계 데이터를 학습해서 여성 지원자를 차별했던 사례가 대표적이에요.
이럴 때 Knowledge Graph가 정말 중요해져요. 데이터가 어디서 왔는지조차 모르면 편향을 어떻게 줄일 수 있을까요? Knowledge Graph에서 데이터 계보를 추적하는 건 제가 제일 좋아하는 기능 중 하나인데요. 사용 사례를 보면 왜 더 윤리적인 AI를 만드는 데 도움이 되는지 알 수 있을 거예요.
- bias
- 그래프캐스트
- Machine Learning