Vatsal Ghiya, Giám đốc điều hành và đồng sáng lập của Shaip trong phần dành cho khách mời đặc biệt đã chia sẻ một số hiểu biết sâu sắc về sự thiên vị trong học máy. Ngoài ra, ông cũng nhấn mạnh lý do đằng sau những thành kiến trong AI và cách loại bỏ thành kiến trong các mô hình AI/ML.
Những điểm rút ra chính từ Bài báo là:
- Từ đề xuất nhà hàng đến giải quyết phiếu yêu cầu dịch vụ, chatbot AI đang ngày càng được sử dụng hiệu quả trong các ngành như chăm sóc sức khỏe, ngân hàng và tài chính, đồng thời khắc phục khoảng cách tiền lương. Với một số lượng lớn các trường hợp sử dụng, điều không thể tránh khỏi là sự công bằng liên quan đến toàn bộ quá trình.
- Xu hướng trong mô hình AI xảy ra trong các giai đoạn đào tạo, nơi các chuyên gia AI cung cấp khối lượng dữ liệu với các khuynh hướng và sở thích nhất định. Đặc biệt có hai loại thành kiến, thứ nhất là thành kiến nhận thức và thứ hai là thành kiến xảy ra do thiếu dữ liệu.
- Tuy nhiên, tin tốt là có thể loại bỏ những sai lệch trong các mô hình AI bằng cách sử dụng bộ dữ liệu phù hợp cùng với các mô hình dữ liệu đại diện và giám sát dữ liệu thời gian thực. Vì nó đang thống trị cuộc sống hàng ngày của chúng ta nên điều quan trọng cuối cùng là phải cẩn thận với thông tin đầu vào của chúng ta để duy trì chất lượng.
Đọc bài viết đầy đủ ở đây:
https://datafloq.com/read/how-to-handle-bias-in-machine-learning/