Vatsal Ghiya, CEO e cofundador da Shaip no recurso de convidado especial, compartilhou algumas ideias sobre o viés no aprendizado de máquina. Além disso, ele também enfatizou o motivo por trás dos vieses na IA e como eliminá-los nos modelos AI/ML.
As principais conclusões do artigo são:
- De sugestões de restaurantes à resolução de tíquetes de serviço, o chatbot de IA está sendo cada vez mais utilizado em setores como saúde, bancos e finanças, além de corrigir diferenças salariais. Com um grande número de casos de uso, o que se torna inevitável é a imparcialidade associada a todo o processo.
- O viés no modelo de IA ocorre durante as fases de treinamento em que os especialistas em IA alimentam volumes de dados com certas inclinações e preferências. Particularmente, existem dois tipos de vieses, o primeiro viés cognitivo e o segundo, vieses que ocorrem devido à falta de dados.
- Mas a boa notícia é que os vieses nos modelos de IA podem ser eliminados usando o conjunto certo de dados junto com o monitoramento de dados em tempo real e modelos de dados representativos. Como está dominando nosso dia a dia, acaba sendo importante ter cuidado com o que ingerimos para manter a qualidade.
Leia o artigo completo aqui:
https://datafloq.com/read/how-to-handle-bias-in-machine-learning/
