L'apprentissage automatique pour les applications à haut risque

Chapitre 12. Comment réussir dans l'apprentissage automatique à haut risque ?

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : [e-mail]

Alors que l'intelligence artificielle et l'apprentissage automatique font l'objet de recherches depuis des décennies et sont utilisés dans certains espaces depuis presque aussi longtemps, nous n'en sommes qu'aux premiers stades de l'adoption de la ML dans l'économie au sens large. La ML est une technologie souvent immature et parfois à haut risque. La ML est passionnante et très prometteuse, mais ce n'est pas de la magie, et les personnes qui pratiquent la ML n'ont pas de superpouvoirs magiques. Nous et nos technologies de ML pouvons échouer. Si nous voulons réussir, nous devons aborder de manière proactive les risques de nos systèmes.

Tout au long de cet ouvrage, nous avons mis en avant des mesures techniques d'atténuation des risques et certaines approches de gouvernance. Ce dernier chapitre a pour but de te laisser avec quelques conseils de bon sens qui devraient te permettre de t'attaquer à des problèmes plus difficiles en ML. Cependant, nos recommandations ne seront probablement pas faciles. La résolution de problèmes difficiles exige presque toujours un travail acharné. Résoudre des problèmes difficiles avec la ML n'est pas différent. Comment réussissons-nous dans les entreprises technologiques à haut risque ? En général, pas en allant vite et en cassant tout. Bien ...