TFCO: la biblioteca de código abierto para entrenar modelos de Machine Learning

27 febrero, 2020
10 Compartido 1,994 Visualizaciones

Esta biblioteca ha sido creada por Google y tiene como principal objetivo evitar que este tipo de sistema caiga en discriminación.

La mayoría de las tecnologías que implementan el Machine Learning están teniendo un impacto cada vez más positivo en el «día a día» de las personas, ya que ayuda a detectar de forma prematura los signos de enfermedades o filtra los contenidos inapropiados. Sin embargo, existe una preocupación creciente de que los modelos aprendidos pueden tener dificultades para abordar cuestiones sociales más amplias, como la equidad, que generalmente requiere múltiples consideraciones y estos sistemas tienden a atender una sola función. Incluso cuando se tienen en cuenta estos factores, estos sistemas pueden seguir siendo incapaces de satisfacer los requisitos de diseño  complejos.

Esta biblioteca quiere ayudar a solucionar estos problemas, por eso, facilita la configuración y el entrenamiento de problemas de aprendizaje automático basado en múltiples métricas (por ejemplo la tasa de recuperación del cáncer atendiendo a la edad y el sexo). Aunque, estas metricas son simples conceptualmente, al ofrecer al usuario la capacidad de minimizar y restringir combinaciones arbitrarias de ellas, TensorFlow Constrained Optimization (TFCO) facilita la formulación y soluciona muchos de los problemas que se encuentran para tener un ML que tenga equidad. 

¿Cómo interacciona el TFCO con nuestra IA?

Nos ayudará a guiar aún más el desarrollo ético y el uso de la IA en las investigaciones, así como en la práctica. Cuando los desarrolladores hacen uso del TFCO podrán identificar de forma sencilla dónde sus modelos pueden ser de riesgo y dañinos, y establecer restricciones que garanticen que sus modelos logren resultados deseables.

¿Cuáles son los objetivos?

Los sistemas de IA que se dedican a decidir si una persona puede recibir o no un préstamo suelen presentar muchos problemas. Se suelen analizar diferentes características de la persona y poner etiquetas positivas o negativas a cada una de ellas, siendo esta última la que afecta para la denegación del préstamo.

Con el TFCO, elegiríamos una función objetiva que premie el modelo de concesión de préstamos a aquellas personas que los pagarán, y también impondría restricciones de equidad que le impiden negar injustamente préstamos a ciertos grupos protegidos. En TFCO esto se representa con expresiones algebraicas (mediante operadores Python normales).

Te podría interesar

IBM abre las puertas de Cloud Garage en Madrid
Actualidad
24 compartido1,345 visualizaciones
Actualidad
24 compartido1,345 visualizaciones

IBM abre las puertas de Cloud Garage en Madrid

Vicente Ramírez - 25 octubre, 2018

Ferrovial ha utilizado ya estos servicios para el diseño de proyectos de Internet de las Cosas (IoT). Actualmente, la transformación digital supone un enorme reto para las…

Un sistema de inteligencia cognitiva en el stand de Costa del Sol en FITUR 2019 recopila información muy valiosa
Actualidad
10 compartido1,234 visualizaciones
Actualidad
10 compartido1,234 visualizaciones

Un sistema de inteligencia cognitiva en el stand de Costa del Sol en FITUR 2019 recopila información muy valiosa

Vicente Ramírez - 29 enero, 2019

El stand del destino recibió la visita de más de 2.000 personas para asistir a sus presentaciones y más de 6.500 fueron atendidas en sus mostradores. La…

Crean un chatbot para reservar habitaciones en la Costa del Sol
Chatbots
34 compartido1,033 visualizaciones
Chatbots
34 compartido1,033 visualizaciones

Crean un chatbot para reservar habitaciones en la Costa del Sol

José Luis Arcángel - 14 febrero, 2018

Pistoletazo de salida de la segunda entrega del programa de aceleración empresarial Tourism Hub. Un total de 10 empresas, de entre 48 iniciativas presentadas, se benefician de…

Dejar comentario

Su email no será publicado

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.