机器学习实践与基础设施
计算机与社会
2023-08-31 v2 机器学习
摘要
机器学习（ML）系统，尤其在部署于高风险领域时，具有深远影响。它们会加剧既有的不平等、创造新的歧视模式，并固化过时的社会建构。因此，ML 系统所赖以开发的社会语境（即组织、团队、文化）是 AI 伦理领域的活跃研究场所，也是政策制定者的干预对象。本文关注常被忽视的社会语境的一个方面：从业者与其所依赖工具之间的互动，以及这些互动在塑造 ML 实践与 ML 系统开发中的作用。特别地，通过对 Stack Exchange 论坛上所提问题的实证研究，探讨了交互式计算平台（如 Jupyter Notebook 与 Google Colab）在 ML 实践中的使用。我发现交互式计算平台被用于大量学习与协调实践中，这构成了交互式计算平台与 ML 从业者之间的基础设施关系。我描述了 ML 实践如何随交互式计算平台的发展共同演化，并强调这有可能使 ML 生命周期中那些 AI 伦理研究者已证明对已部署 ML 系统的社会影响尤为关键的部分变得不可见。
引用
@article{arxiv.2307.06518,
title = {Machine Learning practices and infrastructures},
author = {Glen Berman},
journal= {arXiv preprint arXiv:2307.06518},
year = {2023}
}