Ватсал Гийя, генеральный директор и соучредитель Shaip, в специальном приглашении поделился некоторыми соображениями о предвзятости в машинном обучении. Кроме того, он также подчеркнул причину предвзятости в ИИ и то, как устранить предвзятость в моделях ИИ/МО.
Основные выводы из статьи:
- Чат-бот с искусственным интеллектом все чаще используется в таких отраслях, как здравоохранение, банковское дело и финансы, от предложений ресторанов до решения проблем с обслуживанием, а также для устранения разрыва в заработной плате. При большом количестве вариантов использования становится неизбежным справедливость, связанная со всем процессом.
- Предвзятость в модели ИИ возникает на этапах обучения, когда эксперты по ИИ загружают объемы данных с определенными наклонностями и предпочтениями. В частности, существует два типа предубеждений: первое — когнитивное искажение, а второе — предубеждение, возникающее из-за отсутствия данных.
- Но хорошая новость заключается в том, что предвзятости в моделях ИИ можно устранить, используя правильный набор данных, а также мониторинг данных в реальном времени и репрезентативные модели данных. Поскольку это доминирует в нашей повседневной жизни, в конечном итоге важно быть осторожным с нашим вкладом, чтобы поддерживать качество.
Читайте полный текст статьи здесь:
https://datafloq.com/read/how-to-handle-bias-in-machine-learning/
