Le géant de la technologie des moteurs de recherche lance TensorFlow Constrained Optimization (TFCO), une bibliothèque d’apprentissage automatique supervisé pour la formation des modèles d’apprentissage automatique. Cette bibliothèque est utilisée pour optimiser les problèmes liés aux inégalités dans TensorFlow 1.14 et TensorFlow 2.
La bibliothèque TensorFlow Constrained Optimization (TFCO) est utilisée pour former le modèle d’apprentissage automatique à l’aide de plusieurs mesures et «optimiser les problèmes liés aux inégalités».
Cette bibliothèque d’apprentissage automatique est conçue pour aider le scientifique des données à résoudre les contraintes d’équité et la parité prédictive. Cette bibliothèque aidera à résoudre les problèmes liés à l’équité du modèle lors de la formation des modèles d’apprentissage automatique.
Cette bibliothèque a été testée avec l’ensemble de données Wikipedia et la bibliothèque a pu réduire les taux de faux positifs tout en prédisant la prédiction de la toxicité des commentaires des utilisateurs en fonction de la race, de la religion, de l’identité de genre ou de la sexualité, tout en maintenant des taux d’exactitude similaires.
TFCO est conçu pour « prendre en compte les facteurs sociétaux et culturels nécessaires pour satisfaire les exigences du monde réel », a déclaré aujourd’hui Andrew Zaldivar au nom de l’équipe TFCO dans un article de blog Google AI.
«La capacité d’exprimer de nombreux objectifs d’équité en tant que contraintes de taux peut aider à faire avancer le développement responsable de l’apprentissage automatique, mais cela nécessite également que les développeurs examinent attentivement le problème qu’ils essaient de résoudre», a-t-il déclaré. «Une alternative« plus sûre »consiste à contraindre chaque groupe à satisfaire indépendamment une métrique absolue, par exemple en exigeant que chaque groupe atteigne au moins 75% de précision. L’utilisation de telles contraintes absolues plutôt que des contraintes relatives empêchera généralement les groupes de se tirer l’un vers l’autre. »
Cela vient également avec l’approche facultative des «deux ensembles de données» pour améliorer la généralisation, qui est construite sur un trio de documents de recherche publiés en 2019.
Cette bibliothèque est disponible sur github et est accessible en visitant: TensorFlow Constrained Optimization (TFCO).
Les publicités: Voulez-vous apprendre la dernière version de TensorFlow et maîtriser l’apprentissage de la machine avec des exemples de codes? Consultez les tutoriels sur Tutoriels et exemple TensorFlow 2.0. TensorFlow 2.1.0 est sorti le dernier mois, vérifiez Fonctionnalités de TensorFlow 2.1.0.
