Dyrektor generalny i współzałożyciel Shaip, Vatsal Ghiya ma 20-letnie doświadczenie w oprogramowaniu i usługach AI dla służby zdrowia oraz umożliwianiu skalowania procesów biznesowych na żądanie za pomocą uczenia maszynowego i inicjatyw AI. Ten gość, Vatsal Ghiya, podzielił się kluczowymi spostrzeżeniami na temat eliminowania stronniczości w konwersacyjnej sztucznej inteligencji.
Kluczowym wnioskiem z artykułu jest:
- Statystyki pokazują, że dokładność wyszukiwania wyników za pomocą wyszukiwania głosowego wśród amerykańskich mężczyzn wynosi 92%, ale spada do 79% i 69% w przypadku białych Amerykanek i mieszanych Amerykanek. To jeden z klasycznych przykładów Bias AI.
- Niektóre rzeczywiste przykłady stronniczości sztucznej inteligencji obejmują Amazon i Facebook, gdzie mężczyźni byli bardziej faworyzowani podczas rekrutacji w Amazon, a Facebook kieruje reklamy do klientów ze względu na ich płeć, kolor skóry i religię. Ta stronniczość w sztucznej inteligencji jest spowodowana trzema przyczynami, a są to dane, ludzie i technologia.
- Aby wyeliminować stronniczość sztucznej inteligencji z dowolnej aplikacji i systemu, organizacje mogą zastosować środki, takie jak certyfikacja źródeł i jakości danych, monitorowanie modelu w czasie rzeczywistym i analizowanie różnorodności danych przed użyciem sztucznej inteligencji w swoich operacjach.
Przeczytaj cały artykuł tutaj:
