들어가며
들어가며
준비물 : 데스크톱 또는 노트북, 훈련용 데이터셋, 테스트용 데이터셋
1번 데이터에 있는 남자1과 여자1 사진으로 인공지능 모델을 만듭니다.
테스트용 데이터으로 인공지능 모델이 남자와 여자를 제대로 구분하는지 확인해봅니다.
만약 인공지능 모델이 정확하게 구분하지 못한다면 왜 그런지 생각해봅니다.
티처블 머신 대신 엔트리의 이미지 학습을 사용해도 됩니다.
준비물 : 데스크톱 또는 노트북, 재구성용 데이터셋, 테스트용 데이터셋
메뉴의 New Project를 선택하여 새로운 프로젝트를 불러옵니다.
이번에는 2번 데이터에 있는 남자2와 여자2 사진으로 다시 인공지능 모델을 학습시킵니다.
테스트용 데이터로 인공지능 모델이 남자와 여자를 제대로 구분하는지 확인해봅니다.
이 활동을 통해 알게 된 사실을 이야기해봅니다.
세계 최대의 인터넷 쇼핑몰 아마존에서 인공지능을 이용하여 직원을 뽑았습니다.
그러나 남성에게만 점수를 더 많이 주는 남녀차별적인 성향을 보이기 시작하여 결국 폐기되었습니다.
미국에서는 전과자들의 얼굴 사진을 분석하여 다시 범죄를 저지를 가능성을 판단하는 인공지능을 만들었습니다.
결과는 점수로 측정되었는데 흑인이라는 이유만으로 점수가 더 높게 정해지는 문제가 발생하였습니다.
즉, 인공지능은 백인보다 흑인이 더 위험하다고 평가한 것입니다.
35초부터 보세요.