97 Dinge über Ethik, die jeder in der Datenwissenschaft wissen sollte

Kapitel 24. Ist es falsch, Recht zu haben?

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Marty Ellingsworth

Senior Analyst, Celent

Bessere Daten, bessere Modelle und bessere Entscheidungsmaschinen führen zu besseren Ergebnissen. Egal, ob du ein Modell von Hand trainierst, automatisierte maschinelle Lernsysteme verwendest oder eines der neuesten "x"-Lernnetze mit Pre-Training einsetzt - spielt es wirklich eine Rolle, warum dein Modell so gut abschneidet, solange es eine gute Leistung erbringt? Sollte nicht das genaueste Modell überall und in allen Situationen verwendet werden? Das ist doch ein Fortschritt, oder? Sollte dein Modell selbst lernen dürfen, um diesen Fortschritt voranzutreiben und sich für eine bessere Personalisierung selbst zu kalibrieren? Wenn es keinen Schaden gibt, gibt es auch kein Foul, oder?

Akademisch gesehen argumentieren viele, dass es nur um den Auftrieb geht, der für die Daten richtig ist. In der Praxis entwickeln sich die Pflegestandards erst noch. Es gibt Dutzende von Praxisfeldern, in denen bessere Modelle und Daten auf magische Weise, regelmäßig und in großem Umfang zu besseren Ergebnissen führen - ohne dass Fragen gestellt werden - und so Nutzer, Erfinder und Investoren erfreuen. Verfechter des Datenschutzes warnen.

Rechtlich gesehen befinden wir uns in einem technologischen ...