Bạn đang sử dụng trình duyệt lỗi thời. Trình duyệt này có thể không hiển thị đúng trang web này hoặc các trang web khác. Bạn nên nâng cấp hoặc sử dụng trình duyệt thay thế.
A → vấn đề đạo đức của nhóm nghiên cứu, không liên quan.
B → vấn đề explainability / interpretability của model.
C → phù hợp nhất với unknown unknowns.
D → sự không chắc chắn về cách thu thập dữ liệu, thường là một dạng uncertainty đã nhận biết được.
-> chọn CCCCCCCCCCCCCC
Vì sao B đúng? Khi một mô hình AI hoạt động như một "hộp đen" (black box) thiếu khả năng giải thích (lack of explainability), các lập trình viên sẽ không thể biết được thuật toán đang sử dụng đặc trưng nào để ra quyết định. Ví dụ kinh điển: Một mô hình được huấn luyện để phân biệt chó sói và chó husky. Nó có vẻ hoạt động rất chính xác, nhưng sau này người ta mới phát hiện ra mô hình không hề nhìn vào con vật, mà nó chỉ "nhìn vào nền tuyết" (vì ảnh chó sói trong tập huấn luyện đa số có nền tuyết). Việc mô hình học sai đặc trưng này là một "Unknown Unknown" — các kỹ sư hoàn toàn không biết mô hình đang nhìn vào cái gì, và họ cũng không hề biết rằng mình không biết điều đó cho đến khi hệ thống gặp lỗi thực tế.
Vì sao C và D sai? Việc biết rằng tập dữ liệu của mình "không đầy đủ" (incomplete dataset) hoặc "không chắc chắn cách dữ liệu được thu thập" (uncertainty of how data is gathered) thực chất là Known Unknowns. Bởi vì ở đây, bạn đã nhận thức được (aware) điểm yếu của hệ thống (biết là thiếu dữ liệu, biết là quy trình thu thập không rõ ràng).
Vì sao A sai? Đạo đức của nhóm nghiên cứu liên quan đến vấn đề quản trị nhân sự và văn hóa doanh nghiệp, không phản ánh khái niệm "Unknown Unknowns" trong phân tích dữ liệu hay hành vi của mô hình.
