দায়িত্ব
জবাবদিহিতা মানে একটি AI সিস্টেমের প্রভাবের জন্য দায়বদ্ধতা। জবাবদিহিতার মধ্যে সাধারণত স্বচ্ছতা জড়িত থাকে, বা সিস্টেম আচরণ এবং সাংগঠনিক প্রক্রিয়া সম্পর্কে তথ্য ভাগ করে নেওয়া, যার মধ্যে মডেল এবং ডেটাসেটগুলি কীভাবে তৈরি, প্রশিক্ষিত এবং মূল্যায়ন করা হয়েছিল তা নথিভুক্ত করা এবং ভাগ করা অন্তর্ভুক্ত থাকতে পারে। নিম্নলিখিত সাইটগুলি জবাবদিহিতার ডকুমেন্টেশনের দুটি মূল্যবান মোড ব্যাখ্যা করে:
জবাবদিহিতার আরেকটি মাত্রা হল ব্যাখ্যাযোগ্যতা , যার মধ্যে ML মডেলের সিদ্ধান্তগুলি বোঝার সাথে জড়িত, যেখানে মানুষ এমন বৈশিষ্ট্যগুলি সনাক্ত করতে সক্ষম হয় যা একটি ভবিষ্যদ্বাণীর দিকে নিয়ে যায়। তদুপরি, ব্যাখ্যাযোগ্যতা হল একটি মডেলের স্বয়ংক্রিয় সিদ্ধান্তগুলি মানুষের বোঝার উপায়ে ব্যাখ্যা করার ক্ষমতা।
AI সিস্টেমে ব্যবহারকারীর আস্থা তৈরি করার বিষয়ে আরও পড়ুন ব্যাখ্যাযোগ্যতা + মানুষের বিশ্বাস বিভাগে + এআই গাইডবুক । আপনি বাস্তব জীবনের উদাহরণ এবং সর্বোত্তম অনুশীলনের জন্য Google এর ব্যাখ্যাযোগ্যতা সংস্থানগুলিও দেখতে পারেন।
অন্য কিছু উল্লেখ না করা থাকলে, এই পৃষ্ঠার কন্টেন্ট Creative Commons Attribution 4.0 License-এর অধীনে এবং কোডের নমুনাগুলি Apache 2.0 License-এর অধীনে লাইসেন্স প্রাপ্ত। আরও জানতে, Google Developers সাইট নীতি দেখুন। Java হল Oracle এবং/অথবা তার অ্যাফিলিয়েট সংস্থার রেজিস্টার্ড ট্রেডমার্ক।
2025-02-25 UTC-তে শেষবার আপডেট করা হয়েছে।
[null,null,["2025-02-25 UTC-তে শেষবার আপডেট করা হয়েছে।"],[[["Accountability in AI involves taking ownership for the effects of a system, often achieved through transparency about the system's development and behavior."],["Transparency can be enhanced using documentation practices like Model Cards and Data Cards, which provide information about models and datasets."],["Interpretability and explainability are crucial aspects of accountability, enabling understanding of model decisions and providing human-understandable explanations for automated actions."],["Fostering user trust in AI systems requires focusing on explainability and transparency, with further resources available in Google's Responsible AI Practices and Explainability Resources."]]],[]]
