Ketua Pegawai Eksekutif dan pengasas bersama Shaip, Vatsal Ghiya mempunyai pengalaman selama 20 tahun dalam perisian dan perkhidmatan AI penjagaan kesihatan dan membolehkan penskalaan atas permintaan proses perniagaan dengan pembelajaran mesin dan inisiatif AI. Ciri tetamu ini, Vatsal Ghiya telah berkongsi pandangan penting tentang cara menghapuskan berat sebelah dalam AI Perbualan.
Pengambilan Utama daripada Artikel tersebut ialah-
- Mengikut statistik yang didedahkan, kadar ketepatan pengambilan hasil melalui carian suara pada lelaki Amerika ialah 92%tetapi ini turun kepada 79% dan 69% untuk wanita Amerika kulit putih dan wanita Amerika campuran. Ini adalah satu contoh klasik Bias AI.
- Beberapa contoh dunia sebenar AI berat sebelah termasuk Amazon dan Facebook di mana lelaki lebih digemari semasa pengambilan di Amazon dan Facebook menyasarkan pelanggan mengikut jantina, warna dan agama mereka. Kecondongan dalam AI ini disebabkan oleh tiga sebab dan ini adalah data, orang dan teknologi.
- Untuk menghapuskan bias AI daripada mana-mana aplikasi dan sistem, organisasi boleh mengikuti langkah-langkah seperti- memperakui sumber dan kualiti data, memantau model dalam masa nyata dan menganalisis kepelbagaian data sebelum menggunakan AI dalam operasi mereka.
Baca Artikel penuh di sini:
