自動化的偏見

自動化的偏見是什麼?

自動化的偏見艾滋病是一種過度依賴自動化和決策支持係統。自動化輔助決策係統的可用性日益增加等關鍵決策上下文重症監護病房,或飛機駕駛艙正變得越來越普遍。人類傾向於采取最小的認知努力的道路而傾向於“自動化偏見”。相同的概念可以翻譯的基本方法,人工智能和自動化的工作,主要是基於學習的大量的數據。這種類型的計算假定事情不會完全不同的未來。另一個方麵,應考慮使用有缺陷的訓練數據的風險,那麼學習就會有缺陷。

機偏差是什麼?

機器的偏見涉及到的方式使用的算法的算法表現出偏見或輸入數據。今天,人工智能(AI)幫助我們發現新的見解從數據和提高人類決策的一個例子是人臉識別功能用於簽名到我們的智能手機。意想不到的偏見可以來自很多原因(維基百科列出了184),但這三個主要因素是:

• 不完整的數據樣本
• 不正確的數據集。
• 傾斜的學習是通過相互作用隨著時間的推移,也稱為交互的偏見

我們可以防止數據偏差通過使用一個全麵的和廣泛的數據集,反映出所有可能的用例,邊緣更全麵的數據集,將更準確的人工智能預測。讓我們看一下幾點你應該考慮當工作在你的AI。選擇正確的學習模型的問題。可能是沒有單一的模式,您可以遵循以完全避免偏見,但是有參數,可以告知你的團隊的建設。您必須確定最佳的模型對於一個給定的情況以及解決的想法之前選擇一個代表性的訓練數據集。確保使用多樣化的訓練數據,包括不同的基團。使用真實的數據監視性能。你應該盡可能地模擬真實世界的應用程序在構建算法。