VD och medgrundare av Shaip, Vatsal Ghiya har 20 års erfarenhet av AI-programvara och tjänster inom hälsovård och möjliggör skalning på begäran av affärsprocesser med maskininlärning och AI-initiativ. Den här gästfunktionen, Vatsal Ghiya, har delat med sig av viktiga insikter om hur man eliminerar partiskhet i Conversational AI.
Nyckeln till artikeln är-
- Enligt statistiken är noggrannheten för att hämta resultat genom röstsökning på amerikanska män 92 %, men detta går ner till 79 % och 69 % för vita amerikanska kvinnor och blandade amerikanska kvinnor. Detta är ett klassiskt exempel på Bias AI.
- Några verkliga exempel på bias AI inkluderar Amazon och Facebook där män gynnades mer under rekrytering i Amazon och Facebook riktar in sig på kunden utifrån deras kön, färg och religion. Denna snedvridning i AI orsakas av tre skäl och dessa är data, människor och teknik.
- För att eliminera snedvridningen av AI från alla applikationer och system kan organisationer följa åtgärderna som att certifiera datakällor och kvalitet, övervaka modellen i realtid och analysera mångfalden av data innan de använder AI i sin verksamhet.
Läs hela artikeln här:
