人类与机器的伦理行为——评估有益机器学习的训练数据质量

基于学习算法的机器行为可受到所接触不同质量数据的显著影响。迄今为止，这些质量仅以技术术语衡量，而未以伦理术语衡量，尽管训练与标注数据在有监督机器学习中具有重要作用。本研究首次通过描述有监督机器学习应用数据质量的新维度来填补这一空白。基于个体不同社会与心理背景在实践中与不同的人机交互模式相关的理由，本文从伦理视角描述了个体在使用数字技术时留下的不同质量行为数据对机器学习应用发展具有社会相关影响。本研究的特定目标是描述如何根据行为来源的训练数据的伦理评估来选取训练数据，建立一种创新过滤机制，以从大数据理念 n = all 转向更有选择性的机器学习训练集数据处理方式。本研究的总体目标是推广实现有益机器学习应用的方法，这些方法对工业界与学术界均具广泛用途。