शैप के सीईओ और सह-संस्थापक, वत्सल घिया के पास हेल्थकेयर एआई सॉफ्टवेयर और सेवाओं में 20 साल का अनुभव है और मशीन लर्निंग और एआई पहल के साथ बिजनेस प्रोसेस की ऑन-डिमांड स्केलिंग को सक्षम करता है। इस अतिथि फीचर, वत्सल घिया ने संवादात्मक एआई में पूर्वाग्रह को खत्म करने के तरीके पर महत्वपूर्ण अंतर्दृष्टि साझा की है।
लेख से मुख्य टेकअवे है-
- स्टैटिक्स के अनुसार, अमेरिकी पुरुषों पर ध्वनि खोज के माध्यम से परिणाम लाने की सटीकता दर 92% है, लेकिन यह श्वेत अमेरिकी महिलाओं और मिश्रित अमेरिकी महिलाओं के लिए 79% और 69% तक कम हो जाती है। यह बायस एआई का एक उत्कृष्ट उदाहरण है।
- पूर्वाग्रह एआई के कुछ वास्तविक दुनिया के उदाहरणों में अमेज़ॅन और फेसबुक शामिल हैं जहां अमेज़ॅन में भर्ती के दौरान पुरुषों को अधिक पसंद किया गया था और फेसबुक ग्राहक को उनके लिंग, रंग और धर्म के अनुसार लक्षित करता है। एआई में यह पूर्वाग्रह तीन कारणों से होता है और ये हैं डेटा, लोग और तकनीक।
- किसी भी एप्लिकेशन और सिस्टम से एआई के पूर्वाग्रह को खत्म करने के लिए, संगठन अपने संचालन में एआई का उपयोग करने से पहले डेटा स्रोतों और गुणवत्ता को प्रमाणित करने, वास्तविक समय में मॉडल की निगरानी करने और डेटा की विविधता का विश्लेषण करने जैसे उपायों का पालन कर सकते हैं।
पूर्ण लेख पढ़ें:
