CEO dan salah satu pendiri Shaip, Vatsal Ghiya memiliki pengalaman 20 tahun dalam perangkat lunak dan layanan AI perawatan kesehatan dan memungkinkan penskalaan proses bisnis sesuai permintaan dengan pembelajaran mesin dan inisiatif AI. Dalam fitur tamu ini, Vatsal Ghiya telah membagikan wawasan utama tentang cara menghilangkan bias dalam Conversational AI.
Takeaway Kunci dari Artikel ini adalah-
- Sesuai statistik yang diungkapkan, tingkat akurasi pengambilan hasil melalui penelusuran suara pada pria Amerika adalah 92%, tetapi ini turun menjadi 79% dan 69% untuk wanita kulit putih Amerika dan wanita campuran Amerika. Ini adalah salah satu contoh klasik dari Bias AI.
- Beberapa contoh dunia nyata dari bias AI termasuk Amazon dan Facebook di mana laki-laki lebih disukai selama perekrutan di Amazon dan Facebook menargetkan pelanggan sesuai jenis kelamin, warna kulit, dan agama mereka. Bias dalam AI ini disebabkan oleh tiga alasan dan ini adalah data, manusia, dan teknologi.
- Untuk menghilangkan bias AI dari aplikasi dan sistem apa pun, organisasi dapat mengikuti langkah-langkah seperti mensertifikasi sumber dan kualitas data, memantau model secara real-time, dan menganalisis keragaman data sebelum menggunakan AI dalam operasi mereka.
Baca Artikel selengkapnya di sini:
