Shaipin toimitusjohtajalla ja perustajalla Vatsal Ghiyalla on 20 vuoden kokemus terveydenhuollon tekoälyohjelmistoista ja -palveluista sekä mahdollistaa liiketoimintaprosessien skaalaus tarpeen mukaan koneoppimisen ja tekoälyaloitteiden avulla. Tämä vierasominaisuus, Vatsal Ghiya on jakanut keskeisiä oivalluksia siitä, miten keskustelullisen tekoälyn harhaa voidaan poistaa.
Tärkein ote artikkelista on -
- Statiikan mukaan amerikkalaisten miesten äänihaun tulosten tarkkuus on 92 %, mutta se laskee 79 %:iin ja 69 %:iin valkoisten amerikkalaisten naisten ja sekalaisten amerikkalaisten naisten kohdalla. Tämä on yksi klassinen esimerkki Bias AI:stä.
- Joitakin tosielämän esimerkkejä puolueellisesta tekoälystä ovat Amazon ja Facebook, joissa miehiä suosittiin enemmän rekrytoinnin aikana Amazonissa, ja Facebook kohdistaa asiakkaisiin heidän sukupuolensa, värinsä ja uskonnonsa mukaan. Tämä tekoälyn harha johtuu kolmesta syystä, jotka ovat data, ihmiset ja teknologia.
- Poistaakseen tekoälyn harhan kaikista sovelluksista ja järjestelmistä organisaatiot voivat noudattaa toimenpiteitä, kuten tietolähteiden ja laadun varmentamista, mallin reaaliaikaista seurantaa ja datan monimuotoisuuden analysointia ennen tekoälyn käyttöä toiminnassaan.
Lue koko artikkeli täältä:
