Vatsal Ghiya, Mkurugenzi Mtendaji na mwanzilishi mwenza wa Shaip katika kipengele cha mgeni maalum alishiriki baadhi ya maarifa kuhusu upendeleo katika kujifunza kwa mashine. Zaidi ya hayo, pia alisisitiza sababu ya upendeleo katika AI na jinsi ya kuondoa upendeleo katika mifano ya AI/ML.
Mambo Muhimu ya Kuchukua kutoka kwa Kifungu ni:
- Kuanzia mapendekezo ya mikahawa hadi utatuzi wa tikiti za huduma, chatbot ya AI inazidi kutumiwa vizuri katika tasnia kama vile huduma za afya, benki, na fedha, na kurekebisha mapengo ya mishahara. Kwa idadi kubwa ya kesi za utumiaji kinachoweza kuepukika ni haki inayohusishwa na mchakato mzima.
- Upendeleo katika muundo wa AI hutokea wakati wa awamu za mafunzo ambapo wataalam wa AI hulisha wingi wa data na mwelekeo na mapendeleo fulani. Hasa kuna aina mbili za upendeleo, kwanza upendeleo wa utambuzi na pili ni, upendeleo unaotokea kwa sababu ya ukosefu wa data.
- Lakini, habari njema ni kwamba upendeleo katika miundo ya AI unaweza kuondolewa kwa kutumia seti sahihi ya data pamoja na ufuatiliaji wa data wa wakati halisi na mifano ya data wakilishi. Kwa vile inatawala maisha yetu ya kila siku, hatimaye ni muhimu kuwa makini na mchango wetu ili kudumisha ubora.
Kusoma makala kamili hapa:
https://datafloq.com/read/how-to-handle-bias-in-machine-learning/
