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

27 febrero, 2020
10 Compartido 2,321 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

Bosch amplía su posicionamiento como compañía líder del IoT
Actualidad
26 compartido3,499 visualizaciones
Actualidad
26 compartido3,499 visualizaciones

Bosch amplía su posicionamiento como compañía líder del IoT

José Luis Arcángel - 9 enero, 2019

IoT en el hogar: los electrodomésticos conectados hacen notablemente más fácil la vida de sus propietarios. El Internet of Things (IoT) está cambiando cada vez más el…

Formación Online en Data Science, prepárate para el futuro desde casa
BD Network
471 visualizaciones
BD Network
471 visualizaciones

Formación Online en Data Science, prepárate para el futuro desde casa

Samuel Rodríguez - 10 agosto, 2020

Según diferentes estudios sobre las profesiones más demandadas en el mundo, el campo de la investigación médica y el campo del Data se cuelan, de largo, entre…

¿Cómo usaron los datos de 50 millones de usuarios en Facebook?
BD Network
13 compartido2,344 visualizaciones
BD Network
13 compartido2,344 visualizaciones

¿Cómo usaron los datos de 50 millones de usuarios en Facebook?

Vicente Ramírez - 26 marzo, 2018

Su fundador Mark Zuckerberg, salió esta semana a decir a través de un comunicado en su propia red social, que van a seguir trabajando para esclarecer lo ocurrido. El…

Dejar comentario

Su email no será publicado

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