Vatsal Ghiya, VD och medgrundare av Shaip i den speciella gästfunktionen delade med sig av några insikter om partiskhet i maskininlärning. Dessutom betonade han också orsaken bakom fördomar i AI och hur man eliminerar fördomar i AI/ML-modeller.
De viktigaste take-aways från artikeln är:
- Från restaurangförslag till upplösning av servicebiljetter, AI-chatbot används i allt större utsträckning inom branscher som sjukvård, bank och finans, och åtgärdar löneskillnader. Med ett stort antal användningsfall är det som blir oundvikligt rättvisa förknippad med hela processen.
- Bias i AI-modellen uppstår under utbildningsfaserna där AI-experter matar mängder av data med vissa lutningar och preferenser. Det finns särskilt två typer av fördomar, den första kognitiv fördom och för det andra, fördomar som uppstår på grund av brist på data.
- Men den goda nyheten är att fördomar i AI-modeller kan elimineras genom att använda rätt uppsättning data tillsammans med realtidsdataövervakning och representativa datamodeller. Eftersom det dominerar vårt dagliga liv, är det så småningom viktigt att vara försiktig med vår input för att upprätthålla kvaliteten.
Läs hela artikeln här:
https://datafloq.com/read/how-to-handle-bias-in-machine-learning/
