Vatsal Ghiya, CEO e co-fondatore di Shaip nella funzione ospite speciale ha condiviso alcune intuizioni sui pregiudizi nell'apprendimento automatico. Inoltre, ha anche sottolineato il motivo alla base dei pregiudizi nell'IA e come eliminare i pregiudizi nei modelli AI/ML.
I punti chiave dell'articolo sono:
- Dai suggerimenti sui ristoranti alla risoluzione dei ticket di servizio, il chatbot AI viene sempre più utilizzato in settori come l'assistenza sanitaria, le banche e la finanza e risolve i divari salariali. Con un gran numero di casi d'uso ciò che diventa inevitabile è l'equità associata all'intero processo.
- La distorsione nel modello di intelligenza artificiale si verifica durante le fasi di formazione in cui gli esperti di intelligenza artificiale alimentano volumi di dati con determinate inclinazioni e preferenze. In particolare ci sono due tipi di pregiudizi, il primo pregiudizio cognitivo e il secondo, pregiudizi che si verificano a causa della mancanza di dati.
- Ma la buona notizia è che i pregiudizi nei modelli di intelligenza artificiale possono essere eliminati utilizzando il giusto set di dati insieme al monitoraggio dei dati in tempo reale e modelli di dati rappresentativi. Poiché sta dominando la nostra vita quotidiana, alla fine è importante prestare attenzione ai nostri input per mantenere la qualità.
Leggi l'articolo completo qui:
https://datafloq.com/read/how-to-handle-bias-in-machine-learning/
