Shaip 的首席執行官兼聯合創始人 Vatsal Ghiya 在醫療保健 AI 軟件和服務以及通過機器學習和 AI 計劃實現業務流程按需擴展方面擁有 20 年的經驗。 作為嘉賓，Vatsal Ghiya 分享了關於如何消除對話式 AI 偏見的重要見解。
文章的要點是——
- 根據統計數據顯示，美國男性通過語音搜索獲取結果的準確率為 92%，但美國白人女性和美國混血女性的準確率分別下降到 79% 和 69%。 這是 Bias AI 的一個經典示例。
- AI 偏見的一些現實例子包括亞馬遜和 Facebook，在亞馬遜和 Facebook 的招聘過程中，男性更受青睞，而 Facebook 根據客戶的性別、膚色和宗教來定位客戶。 人工智能的這種偏見是由三個原因造成的，它們是數據、人員和技術。
- 為了從任何應用程序和系統中消除人工智能的偏見，組織可以採取措施，例如驗證數據源和質量、實時監控模型以及在將人工智能用於運營之前分析數據的多樣性。
在此處閱讀全文：
