Vatsal Ghiya, administrerende direktør og medstifter af Shaip i den særlige gæstefunktion, delte nogle indsigter om bias i maskinlæring. Derudover understregede han også årsagen bag skævheder i AI, og hvordan man kan eliminere bias i AI/ML-modeller.
De vigtigste take-aways fra artiklen er:
- Fra restaurantforslag til løsning af servicebilletter bliver AI-chatbot i stigende grad brugt på tværs af brancher som sundhedspleje, bankvæsen og finans, og udbedring af lønforskelle. Med et stort antal use cases, der bliver uundgåeligt, er retfærdighed forbundet med hele processen.
- Bias i AI-modellen opstår i træningsfaserne, hvor AI-eksperter leverer mængder af data med bestemte tilbøjeligheder og præferencer. Der er især to typer skævheder, først kognitiv bias og for det andet er skævheder, der opstår på grund af mangel på data.
- Men den gode nyhed er, at skævheder i AI-modeller kan elimineres ved at bruge det rigtige sæt data sammen med realtidsdataovervågning og repræsentative datamodeller. Da det dominerer vores dagligdag, er det i sidste ende vigtigt at være forsigtig med vores input for at bevare kvaliteten.
Læs hele artiklen her:
https://datafloq.com/read/how-to-handle-bias-in-machine-learning/
