lang icon English
Dec. 15, 2024, 5:07 a.m.
1543

एमआयटी संशोधकांनी मशीन लर्निंगच्या निष्पक्षतेला वाढवण्याची पद्धत विकसित केली आहे.

Brief news summary

MIT संशोधकांनी मशीन-लर्निंग मॉडेल्सची न्याय्यता आणि अचूकता सुधारण्यासाठी डेटासेट बायसेसला संबोधित करून, बळी पडलेल्या गटांची अयोग्य प्रतिनिधित्व दाखवणारी एक नवीन पद्धत तयार केली आहे. या बायसेस मुळे मोठे त्रुटी निर्माण होऊ शकतात, जसे की जेव्हा मुख्यतः पुरुष रुग्णांच्या डेटावर प्रशिक्षित मॉडेल्स स्त्री रुग्णांवर लागू केले जातात तेव्हा चुकीचे निदान होऊ शकते. पारंपारिक उपायांसाठी मोठ्या प्रमाणात डेटा काढून टाकणे आवश्यक असते, ज्यामुळे मॉडेल कार्यक्षमतेवर नकारात्मक परिणाम होऊ शकतो. किमिया हमिदिये यांच्या नेतृत्वाखाली MIT च्या टीमने एक तंत्र विकसित केले आहे जे कमी प्रतिनिधीत्व असलेल्या गटांवर परिणाम करणारे बायस्ड डेटा पॉइंट्स निवडकरीत्या काढून टाकते, तरीही मॉडेलची एकूण अचूकता जपते. हे पद्धत लेबल नसलेल्या डेटासेट्समधील लपलेल्या बायसेसना ओळखते आणि विशेषतः आरोग्य सेवा सारख्या महत्त्वाच्या क्षेत्रात न्याय्यता वाढवते. हे विद्यमान न्यायात्मक धोरणांना पूरक आहे, ज्यामुळे अधिक व्यापक उपाय मिळतात. त्यांचा दृष्टिकोन "वर्स्ट-ग्रुप एरर" कमी करण्यावर लक्ष केंद्रित करतो, ज्यात मॉडल्स कमी प्रतिनिधीत्व असलेल्या उपगटासह अडचणीत येतात. TRAK नावाच्या तंत्राचा वापर करून, टीम त्रुटीपूर्ण भविष्यवाण्या करणार्या समस्यात्मक डेटा पॉइंट्स ओळखते आणि काढून टाकते, ज्यामुळे मॉडेल संरचना न बदलेता पुन्हा प्रशिक्षण घेऊ शकते. ही लवचिकता विविध मॉडेल प्रकारांसाठी अत्यावश्यक आहे, विशेषतः जेव्हा उपगट लेबले स्पष्टपणे निश्चित नसतात. नवीन पद्धत तीन डेटासेट्सवर विद्यमान तंत्रांपेक्षा चांगली कामगिरी करते, पारंपारिक पद्धतींच्या तुलनेत कमी डेटा काढताना अधिक अचूकता साध्य करते. नॅशनल सायन्स फाउंडेशन आणि DARPA यांच्या समर्थनासह, हा संशोधन नीतिपरायण आणि विश्वसनीय मशीन-लर्निंग मॉडेल्स तयार करण्यात महत्त्वपूर्ण प्रगती करतो. टीम हे तंत्र व्यावहारिक अनुप्रयोगांसाठी सुधारण्यात समर्पित आहे.

यंत्र-शिकवणी मॉडेल्स अल्पसंख्यांक गटांसाठी अनेकदा कमी कार्यक्षम ठरतात कारण प्रशिक्षण डेटासेट्स असंतुलित असतात, ज्यामुळे चुकीची भाकिते होऊ शकतात. उदाहरणार्थ, मुख्यत्वे पुरुष रुग्णांच्या डेटावर प्रशिक्षित केलेले मॉडेल महिला रुग्णांसाठी उपचार अचूकपणे भाकीत करू शकत नाही. हे सोडविण्यासाठी, अभियंते कधीकधी डेटासेट्स संतुलित करण्यासाठी डेटा पॉइंट्स काढून टाकतात, परंतु यामुळे एकूण मॉडेलची कार्यक्षमता कमी होऊ शकते. एमआयटीच्या संशोधकांनी एक पद्धत विकसित केली आहे, जे अल्पसंख्यांक गटांवर मॉडेलच्या कामगिरीस सर्वाधिक हानी पोहोचवणारे डेटा पॉइंट्स निवडकपणे काढून टाकतात, मॉडेलची अचूकता राखतात आणि न्याय्यता सुधारतात. ही तंत्रज्ञान लेबल नसलेल्या डेटासेटमधील लपविलेले पूर्वग्रह देखील उघड करते, जो उपयुक्त आहे कारण न लेबल केलेला डेटा अधिक सामान्य आहे.

कमी हटवलेल्या नमुन्यांच्या संख्येतून आणि सर्वात वाईट गटाच्या अचूकतेच्या वाढीसंबंधी विद्यमान दृष्टिकोनांपेक्षा हे तंत्र उत्कृष्ट कामगिरी दाखवते. मॉडेलच्या संरचनेत बदल न करता न्याय्यता सुधारण्यासाठी उपलब्ध मार्ग प्रदान करते, ज्यामुळे हे व्यावसायिकांसाठी उपयुक्त साधन ठरू शकते. संशोधक या दृष्टिकोनाची अधिक वैधता आणि सुधारणा करण्याचे उद्दिष्ट ठेवतात, न्यायी आणि अधिक विश्वसनीय मॉडेल्सच्या विकासाला आधार देतात. हे संशोधन नॅशनल सायन्स फाउंडेशन आणि यू. एस. डिफेन्स अॅडवान्स्ड रिसर्च प्रोजेक्ट्स एजन्सीद्वारे समर्थित आहे.


Watch video about

एमआयटी संशोधकांनी मशीन लर्निंगच्या निष्पक्षतेला वाढवण्याची पद्धत विकसित केली आहे.

Try our premium solution and start getting clients — at no cost to you

I'm your Content Creator.
Let’s make a post or video and publish it on any social media — ready?

Language

Hot news

Nov. 13, 2025, 1:28 p.m.

एआय उद्योगावर अचानक काळे ढग जमू लागले

वॉल स्ट्रीटला हादरा देणारा मोठा तांत्रिक विक्री सुरू आहे कारण एआय कंपन्यांच्या मूल्यांकनांमध्ये आणि त्यांच्या अनवट उत्पन्नांमधील मोठ्या फरकाचा प्रसार वाढतच चालला आहे.

Nov. 13, 2025, 1:25 p.m.

उत्पन्न करणारी कृत्रिम बुद्धिमत्ता आणि कंपनीची उत्पादकत…

अलीकडे झालेल्या विशाल अभ्यासाने जनरेटिव आर्टिफिशियल इंटेलिजन्स (GenAI) च्या संस्थात्मक उत्पादकतेवर होणाऱ्या रूपांतरकारी परिणामांचा उलगडा केला आहे, विशेषतः ऑनलाइन रिटेल क्षेत्रावर केंद्रित.

Nov. 13, 2025, 1:25 p.m.

एआय व्हिडिओ सामग्री पर्यवेक्षण साधने ऑनलाइन हानिकारक …

अलीकडच्या वर्षांत, सोशल मीडिया प्लॅटफॉर्मनं कंटेंट मॉडरेशन सुधारण्यासाठी कृत्रिम बुध्दीमत्ता (AI) या तंत्रज्ञानावर अधिक भर दिला आहे, विशेषतः व्हिडिओ सामग्रीसाठी.

Nov. 13, 2025, 1:25 p.m.

एआय एसइओ व GEO ऑनलाईन शिखर सम्मेलन शोधाचा भविष्यकाळ…

AI SEO व GEO ऑनलाइन समिट, ज्याची तारीख 9 डिसेंबर 2025 ही ठेवली आहे, ही व्यवसायांसाठी आणि डिजिटल मार्केटर्ससाठी एक महत्त्वाची संधी आहे यासाठी की ते जलद बदलत असून जाणाऱ्या सर्च इंजिन ऑप्टिमायझेशनच्या क्षेत्रात पुढे राहू शकतील.

Nov. 13, 2025, 1:25 p.m.

स्नॅप इंक.ने कृत्रिम बुद्धिमत्ता-शक्तीसह शोध समाकल्यासा…

स्नॅप इंक., म्हणजेच स्नॅपचॅटची मुख्य कंपनी, यांनी ४०० कोटी डॉलर्सची मोठी गुंतवणूक जाहीर केली आहे, ज्यामध्ये त्यांनी परप्लेक्झिटी AI या प्रमुख AI सर्च इंजिन कंपनीशी धोरणात्मक भागीदारी स्थापन केली आहे.

Nov. 13, 2025, 1:15 p.m.

विपणनासाठी कृत्रिम बुद्धिमत्ता: प्रात्यक्षिक साधने आणि …

सप्टेंबर 17, 2025 रोजी, दक्षिण युक्रेनियन कार्यालय ऑफ द युरोपियन बिझनेस असोसिएशन (EBA) ने मार्केटिंगमध्ये कृत्रिम बुद्धिमत्तेच्या (AI) Transformative Impact वर एक माहितीपूर्ण ऑनलाइन सत्र आयोजित केले.

Nov. 13, 2025, 9:22 a.m.

OpenAI चे सीटीओ यान लेकुन AI धोरण बदलण्याच्या वेळी …

यान लेकुन, मेटाच्या उपाध्यक्ष व मुख्य AI शास्त्रज्ञ, कृत्रिम बुद्धिमत्ता क्षेत्रातील अग्रगण्य व्यक्ती व कंपनीतील पायनियर, असे वृत्त आहे की तो मेटा सोडून आपला स्वतःचा AI-केंद्रित स्टार्टअप सुरू करण्याच्या दृष्टीने विचार करत आहे.

All news

AI Company

Launch your AI-powered team to automate Marketing, Sales & Growth

and get clients on autopilot — from social media and search engines. No ads needed

Begin getting your first leads today