Vatsal Ghiya ซีอีโอและผู้ร่วมก่อตั้ง Shaip ในฟีเจอร์แขกรับเชิญพิเศษได้แบ่งปันข้อมูลเชิงลึกเกี่ยวกับอคติในการเรียนรู้ของเครื่อง นอกจากนี้ เขายังเน้นย้ำถึงเหตุผลที่อยู่เบื้องหลังอคติใน AI และวิธีกำจัดอคติในโมเดล AI/ML
ประเด็นสำคัญจากบทความคือ:
- ตั้งแต่การแนะนำร้านอาหารไปจนถึงการแก้ไขตั๋วบริการ แชทบอท AI ถูกนำมาใช้ประโยชน์ในอุตสาหกรรมต่างๆ มากขึ้น เช่น การดูแลสุขภาพ การธนาคาร และการเงิน และการแก้ไขช่องว่างด้านค่าจ้าง ด้วยกรณีการใช้งานจำนวนมาก สิ่งที่หลีกเลี่ยงไม่ได้คือความยุติธรรมที่เกี่ยวข้องกับกระบวนการทั้งหมด
- ความลำเอียงในโมเดล AI เกิดขึ้นระหว่างขั้นตอนการฝึกอบรม ซึ่งผู้เชี่ยวชาญ AI ป้อนข้อมูลในปริมาณมากด้วยความโน้มเอียงและความชอบบางอย่าง โดยเฉพาะอย่างยิ่ง มีอคติสองประเภท อคติทางปัญญาประเภทแรกและประเภทที่สองคือ อคติที่เกิดขึ้นเนื่องจากการขาดข้อมูล
- แต่ข่าวดีก็คือ ความลำเอียงในโมเดล AI สามารถกำจัดได้โดยใช้ชุดข้อมูลที่เหมาะสมพร้อมกับการตรวจสอบข้อมูลแบบเรียลไทม์และโมเดลข้อมูลตัวแทน เนื่องจากสิ่งนี้มีอิทธิพลเหนือชีวิตประจำวันของเรา ในที่สุดสิ่งสำคัญคือต้องระมัดระวังข้อมูลที่เราป้อนเพื่อรักษาคุณภาพ
อ่านบทความเต็มที่นี่:
https://datafloq.com/read/how-to-handle-bias-in-machine-learning/