Maskinlæring

Hvordan håndterer du skjevhet i ML-trening?

Vatsal Ghiya, administrerende direktør og medgründer av Shaip i den spesielle gjestefunksjonen, delte noen innsikter om skjevheter i maskinlæring. I tillegg understreket han også årsaken bak skjevheter i AI og hvordan man kan eliminere skjevheter i AI/ML-modeller.

De viktigste take-aways fra artikkelen er:

  • Fra restaurantforslag til løsning av servicebilletter, blir AI chatbot i økende grad brukt på tvers av bransjer som helsevesen, bank og finans, og fikser lønnsgap. Med et stort antall brukstilfeller er det som blir uunngåelig rettferdighet knyttet til hele prosessen.
  • Bias i AI-modellen oppstår i treningsfasene der AI-eksperter mater datamengder med visse tilbøyeligheter og preferanser. Spesielt er det to typer skjevheter, først kognitiv skjevhet og andre er skjevheter som oppstår på grunn av mangel på data. 
  • Men den gode nyheten er at skjevheter i AI-modeller kan elimineres ved å bruke riktig sett med data sammen med sanntidsdataovervåking og representative datamodeller. Siden det dominerer hverdagen vår, er det til slutt viktig å være forsiktig med våre innspill for å opprettholde kvaliteten.

Les hele artikkelen her:

https://datafloq.com/read/how-to-handle-bias-in-machine-learning/

Sosial Share

La oss diskutere AI Training Data-kravet i dag.