Shaip の CEO 兼共同創設者である Vatsal Ghiya は、ヘルスケア AI ソフトウェアとサービスで 20 年の経験を持ち、機械学習と AI イニシアチブを使用してビジネス プロセスのオンデマンド スケーリングを実現しています。 このゲスト機能である Vatsal Ghiya は、会話型 AI のバイアスを排除する方法に関する重要な洞察を共有しました。
記事からの重要なポイントは-
- 統計によると、アメリカ人男性の音声検索による結果取得の精度は 92% ですが、これは白人アメリカ人女性と混合アメリカ人女性では 79% と 69% にまで下がります。 これは、バイアス AI の典型的な例の XNUMX つです。
- バイアス AI の実際の例には、Amazon や Facebook が含まれます。Amazon や Facebook では、採用時に男性がより好まれ、性別、肌の色、宗教によって顧客をターゲットにしています。 AI におけるこのバイアスは、データ、人、テクノロジーの XNUMX つの理由によって引き起こされます。
- あらゆるアプリケーションやシステムから AI のバイアスを排除するために、組織はデータ ソースと品質の認定、リアルタイムでのモデルの監視、運用で AI を使用する前のデータの多様性の分析などの措置に従うことができます。
ここで記事全文を読む：
