Итоговый тест: Введение в ответственный ИИ

1. Почему системы искусственного интеллекта могут воспроизводить и усиливать предвзятость?

1. Алгоритмы машинного обучения принципиально не способны анализировать этические категории без подключения внешних баз правил.
2. Предвзятость возникает исключительно из-за ошибок программирования при написании архитектуры нейронных сетей.
3. Технологии отражают явления, существующие в обществе, поэтому без ответственных практик модели перенимают предвзятость из данных и решений людей.
4. ИИ ориентируется только на математическую оптимизацию и намеренно игнорирует социальные нормы.

2. Какое распространенное заблуждение относительно искусственного интеллекта опровергается в курсе?

1. Мнение о том, что ключевые решения принимают сами машины, тогда как в действительности каждый этап определяют люди.
2. Представление о том, что генеративный ИИ требует постоянного участия человека на этапе логического вывода.
3. Убеждение в том, что принципы ответственного ИИ одинаковы для всех индустрий и компаний в мире.
4. Предположение о том, что большие языковые модели превосходят традиционные алгоритмы в решении любых задач.

3. Несмотря на то что у каждой организации свой набор принципов ИИ, какие общие темы объединяют большинство таких документов?

1. Скорость вычислений, точность классификации, масштабируемость и экономическая выгода.
2. Открытый исходный код, децентрализация данных, автоматизация тестирования и устойчивость к сбоям.
3. Ограничение вычислительных мощностей, отказ от облачных технологий, строгий аудит исходного кода и лицензирование.
4. Прозрачность, справедливость, подотчетность и конфиденциальность.

4. Почему практики ответственного ИИ необходимо применять даже к проектам, которые кажутся безобидными или создаются с благими намерениями?

1. Потому что любые проекты обязаны проходить государственную сертификацию перед запуском.
2. Даже внешне нейтральные задачи при отсутствии должного контроля могут повлечь непредвиденные негативные последствия или этические проблемы.
3. Это требование обусловлено исключительно необходимостью сократить расходы на обучение моделей.
4. Без применения практик ответственного ИИ модели теряют способность к обобщению на новых данных.

5. Какую роль играют четкие процессы оценки и проверок в принятии решений по продуктам с ИИ?

1. Они формируют доверие к итоговому результату: даже если участники не согласны с конкретным решением, они доверяют прозрачному процессу его принятия.
2. Они позволяют полностью автоматизировать процесс одобрения проектов без участия экспертов и разработчиков.
3. Они гарантируют, что любое предложенное решение получит единогласное одобрение всех участников команды.
4. Они заменяют собой необходимость формулировать принципы ИИ внутри компании.

6. Какой смысл вкладывается в утверждение о том, что ответственный ИИ означает успешный ИИ?

1. Ответственный ИИ гарантирует стопроцентное отсутствие ошибок и галлюцинаций в моделях.
2. Применение ответственного ИИ автоматически снижает стоимость разработки и развертывания систем.
3. Встраивание ответственности укрепляет доверие пользователей и партнеров, предотвращая срыв запусков и нанесение вреда заинтересованным сторонам.
4. Успех продукта измеряется исключительно числом этических проверок, пройденных перед релизом.

7. Какой из перечисленных пунктов относится к трем принципам ИИ, которыми руководствуется Google?

1. Полная автоматизация рабочих мест.
2. Безусловный приоритет скорости вывода моделей.
3. Использование исключительно закрытых архитектур.
4. Ответственная разработка и развертывание.

8. Как принципы ИИ работают на практике при создании и развитии продуктов?

1. Они предлагают универсальный чек-лист с готовыми формулами, избавляя от необходимости обсуждать сложные вопросы.
2. Они служат фундаментом и ориентиром для принятия решений, но не дают готовых прямых ответов на все инженерные вопросы.
3. Они полностью определяют архитектуру нейросетей и гиперпараметры обучения.
4. Они применяются только на этапе вывода продукта из эксплуатации.