V:
Zakaj je za raziskovalce podatkov pomembno, da si prizadevajo za preglednost?
A:Preglednost je v bistvu pomembna pri raziskovalnih projektih podatkov in programih strojnega učenja, deloma tudi zaradi zapletenosti in prefinjenosti, ki jih poganja - ker se ti programi "učijo" (ustvarjajo verjetnostne rezultate), ne pa da sledijo vnaprej določenim navodilom za linearno programiranje in zato težko je razumeti, kako tehnologija dosega sklepe. Na tem področju je velik problem problematike algoritmov strojnega učenja, ki ni popolnoma razložljiva za človeške odločevalce.
Glede na to bo verjetno obvladanje razložljivega strojnega učenja ali "razložljive AI" glavni poudarek pri tem, kako podjetja zasledujejo pridobivanje talentov za podatkovnega znanstvenika. Že DARPA, ustanova, ki nam je prinesla internet, financira večmilijonsko raziskavo z razložljivimi AI, poskuša promovirati veščine in vire, potrebne za ustvarjanje tehnologij strojnega učenja in umetne inteligence, ki so pregledne za ljudi.
Eden od načinov za razmislek je, da pogosto obstaja "stopnja pismenosti" razvoja talentov in "stopnja hiperliteracije". Za podatkovnega znanstvenika bi bila tradicionalna stopnja pismenosti znanje, kako sestaviti programe strojnega učenja in kako zgraditi algoritmi z jeziki, kot je Python; kako zgraditi nevronske mreže in delati z njimi. Stopnja hiperpismenosti bi bila zmožnost obvladovanja razložljivega AI, zagotavljanja preglednosti pri uporabi algoritmov strojnega učenja in ohranjanja preglednosti, ko ti programi delujejo v skladu s svojimi cilji in cilji svojih obdelovalcev.
Drug način pojasnjevanja pomena preglednosti v znanosti o podatkih je, da se zbirke podatkov, ki se uporabljajo, vedno bolj izpopolnjujejo in zato bolj vdirajo v življenje ljudi. Drugo pomembno gonilo razložljivega strojnega učenja in podatkovnih znanosti je evropska splošna uredba o varstvu podatkov, ki je bila pred kratkim izvedena za poskus omejevanja neetične uporabe osebnih podatkov. Če uporabimo GDPR kot testni primer, strokovnjaki lahko ugotovijo, kako se potreba po razlagi projektov znanosti o podatkih prilega vprašanju zasebnosti in varnosti ter poslovne etike.
