Generální ředitel a spoluzakladatel společnosti Shaip, Vatsal Ghiya, má 20 let zkušeností se zdravotnickým softwarem a službami AI a umožňuje škálování obchodních procesů na vyžádání pomocí strojového učení a iniciativ AI. Tato funkce pro hosty Vatsal Ghiya sdílela klíčové poznatky o tom, jak eliminovat zaujatost v konverzační umělé inteligenci.
Klíčový poznatek z článku je -
- Jak ukazuje statika, míra přesnosti načítání výsledků pomocí hlasového vyhledávání u amerických mužů je 92 %, ale u bílých amerických žen a smíšených amerických žen to klesá na 79 % a 69 %. Toto je jeden klasický příklad Bias AI.
- Některé příklady zkreslené umělé inteligence v reálném světě zahrnují Amazon a Facebook, kde byli muži během náboru v Amazonu více zvýhodňováni a Facebook cílí na zákazníka podle pohlaví, barvy pleti a náboženství. Toto zkreslení v AI je způsobeno třemi důvody a těmi jsou data, lidé a technologie.
- Aby organizace eliminovaly zaujatost AI z jakékoli aplikace a systému, mohou před použitím AI ve svých operacích dodržovat opatření, jako je certifikace zdrojů dat a kvality, monitorování modelu v reálném čase a analýza rozmanitosti dat.
Přečtěte si celý článek zde:
