Responsible AI
Modellerin telifli eserlerle eğitilmesi tartışması, birbirine karışan iki ayrı soru içerir: eğitimin kendisi izin gerektirir mi, ve çıktı bir eserin pazarında onun yerine geçiyor mu. ABD'deki davalarda mahkemeler eğitimin dönüştürücü sayılabileceği yönünde eğilim gösterirken eserlerin nasıl edinildiğini ayrı bir sorumluluk başlığı olarak ele aldı; AB tarafında metin ve veri madenciliği istisnası ile hak sahibinin çekilme (opt-out) beyanı belirleyici oluyor. Dava akışı, veri kaynağı belgelendirmesi, lisanslı külliyat seçenekleri ve yayıncılar için pratik sonuçlar bu başlıkta izlenir.
Bir modelin eğitim kümesine giren veri, sonradan kaldırılamıyor: silme talebi geldiğinde yapılabilecek şey ya modeli yeniden eğitmek ya da etkiyi bastırmaya çalışmak. İkisi de tam bir çözüm değil. Bu yüzden eğitim verisi kararı, geri döndürülebilir bir yapılandırma değil kalıcı bir taahhüt — ve kalıcı taahhütler hazırlıkla verilir.
Semantik komşuluk: bu konuyu anlamak için gereken veya ondan türeyen kavramlar.
Modelin akıcı ve kendinden emin biçimde, gerçekle uyuşmayan bilgi üretmesidir.
Yapay zekâ sistemlerinin adillik, şeffaflık, hesap verebilirlik, gizlilik ve güvenlik boyutlarını tasarım aşamasından itibaren yönetme yaklaşımıdır.
Aynı konunun öğretim ve ölçüm formatları.
