Vatsal Ghiya, director ejecutivo y cofundador de Shaip, en la función de invitado especial, compartió algunas ideas sobre el sesgo en el aprendizaje automático. Además, también enfatizó la razón detrás de los sesgos en la IA y cómo eliminar los sesgos en los modelos de IA/ML.
Las conclusiones clave del artículo son:
- Desde sugerencias de restaurantes hasta resolución de tickets de servicio, el chatbot de IA se está utilizando cada vez más en industrias como la atención médica, la banca y las finanzas, y corrige las brechas salariales. Con una gran cantidad de casos de uso, lo que se vuelve inevitable es la equidad asociada con todo el proceso.
- El sesgo en el modelo de IA ocurre durante las fases de entrenamiento donde los expertos en IA alimentan volúmenes de datos con ciertas inclinaciones y preferencias. Particularmente existen dos tipos de sesgos, el primero es el sesgo cognitivo y el segundo son los sesgos que se dan por falta de datos.
- Pero, la buena noticia es que los sesgos en los modelos de IA pueden eliminarse utilizando el conjunto correcto de datos junto con el monitoreo de datos en tiempo real y los modelos de datos representativos. Como domina nuestra vida diaria, eventualmente es importante tener cuidado con nuestra entrada para mantener la calidad.
Lea el artículo completo aquí:
https://datafloq.com/read/how-to-handle-bias-in-machine-learning/
