Vatsal Ghiya, CEO și co-fondator al Shaip, în funcția pentru invitați speciali, a împărtășit câteva perspective despre părtinirea învățării automate. În plus, el a subliniat, de asemenea, motivul din spatele părtinirilor în AI și cum să elimine părtinirile în modelele AI/ML.
Principalele concluzii din articol sunt:
- De la sugestii de restaurante până la soluționarea biletelor de servicii, chatbot-ul AI este din ce în ce mai bine folosit în industrii precum asistența medicală, bancare și finanțe și remedierea diferențelor salariale. Cu un număr mare de cazuri de utilizare, ceea ce devine inevitabil este corectitudinea asociată întregului proces.
- Prejudecățile în modelul AI apare în timpul fazelor de instruire, în care experții AI furnizează volume de date cu anumite înclinații și preferințe. În special, există două tipuri de prejudecăți, prima prejudecată cognitivă și a doua sunt prejudecăți care apar din cauza lipsei de date.
- Dar vestea bună este că părtinirile modelelor AI pot fi eliminate prin utilizarea setului potrivit de date împreună cu monitorizarea datelor în timp real și modele reprezentative de date. Deoarece ne domină viața de zi cu zi, este în cele din urmă important să fim atenți cu contribuția noastră pentru a menține calitatea.
Citeste articolul complet aici:
https://datafloq.com/read/how-to-handle-bias-in-machine-learning/
