الرئيس التنفيذي والمؤسس المشارك لـ Shaip ، Vatsal Ghiya لديه 20 عامًا من الخبرة في برامج وخدمات الذكاء الاصطناعي للرعاية الصحية وتمكين توسيع نطاق العمليات التجارية عند الطلب مع مبادرات التعلم الآلي والذكاء الاصطناعي. شاركت ميزة الضيف هذه ، Vatsal Ghiya ، رؤى رئيسية حول كيفية القضاء على التحيز في الذكاء الاصطناعي للمحادثة.
الوجبات الجاهزة الرئيسية من المقال هي-
- وفقًا للإحصاءات ، فإن معدل دقة جلب النتائج من خلال البحث الصوتي على الذكور الأمريكيين هو 92٪ ولكن هذا ينخفض إلى 79٪ و 69٪ للإناث الأمريكيات البيض والإناث الأمريكيات المختلطة. هذا مثال كلاسيكي على Bias AI.
- تتضمن بعض الأمثلة الواقعية على التحيز AI تشمل Amazon و Facebook حيث تم تفضيل الذكور بشكل أكبر أثناء التوظيف في Amazon ويستهدف Facebook العميل حسب الجنس واللون والدين. يرجع هذا التحيز في الذكاء الاصطناعي إلى ثلاثة أسباب وهي البيانات والأشخاص والتكنولوجيا.
- للقضاء على تحيز الذكاء الاصطناعي من أي تطبيق ونظام ، يمكن للمؤسسات اتباع تدابير مثل التصديق على مصادر البيانات وجودتها ، ومراقبة النموذج في الوقت الفعلي وتحليل تنوع البيانات قبل استخدام الذكاء الاصطناعي في عملياتها.
اقرأ المقال كاملا هنا:
