ਵਤਸਲ ਘੀਆ, ਵਿਸ਼ੇਸ਼ ਮਹਿਮਾਨ ਵਿਸ਼ੇਸ਼ਤਾ ਵਿੱਚ ਸ਼ੈਪ ਦੇ ਸੀਈਓ ਅਤੇ ਸਹਿ-ਸੰਸਥਾਪਕ ਨੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਵਿੱਚ ਪੱਖਪਾਤ ਬਾਰੇ ਕੁਝ ਜਾਣਕਾਰੀਆਂ ਸਾਂਝੀਆਂ ਕੀਤੀਆਂ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਉਸਨੇ AI ਵਿੱਚ ਪੱਖਪਾਤ ਦੇ ਕਾਰਨ ਅਤੇ AI/ML ਮਾਡਲਾਂ ਵਿੱਚ ਪੱਖਪਾਤ ਨੂੰ ਕਿਵੇਂ ਖਤਮ ਕਰਨਾ ਹੈ, 'ਤੇ ਵੀ ਜ਼ੋਰ ਦਿੱਤਾ।
ਲੇਖ ਤੋਂ ਮੁੱਖ ਉਪਾਅ ਹਨ:
- ਰੈਸਟੋਰੈਂਟ ਦੇ ਸੁਝਾਵਾਂ ਤੋਂ ਲੈ ਕੇ ਸਰਵਿਸ ਟਿਕਟ ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਤੱਕ, ਏਆਈ ਚੈਟਬੋਟ ਨੂੰ ਸਿਹਤ ਸੰਭਾਲ, ਬੈਂਕਿੰਗ, ਅਤੇ ਵਿੱਤ ਵਰਗੇ ਉਦਯੋਗਾਂ ਵਿੱਚ ਚੰਗੀ ਵਰਤੋਂ ਲਈ ਵਧਾਇਆ ਜਾ ਰਿਹਾ ਹੈ, ਅਤੇ ਉਜਰਤਾਂ ਦੇ ਪਾੜੇ ਨੂੰ ਫਿਕਸ ਕਰਨਾ ਹੈ। ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਵਰਤੋਂ ਦੇ ਕੇਸਾਂ ਦੇ ਨਾਲ ਜੋ ਅਟੱਲ ਬਣ ਜਾਂਦਾ ਹੈ ਉਹ ਹੈ ਸਾਰੀ ਪ੍ਰਕਿਰਿਆ ਨਾਲ ਨਿਰਪੱਖਤਾ ਜੁੜੀ।
- AI ਮਾਡਲ ਵਿੱਚ ਪੱਖਪਾਤ ਸਿਖਲਾਈ ਦੇ ਪੜਾਵਾਂ ਦੌਰਾਨ ਹੁੰਦਾ ਹੈ ਜਿੱਥੇ AI ਮਾਹਰ ਕੁਝ ਖਾਸ ਝੁਕਾਅ ਅਤੇ ਤਰਜੀਹਾਂ ਦੇ ਨਾਲ ਡਾਟਾ ਦੀ ਮਾਤਰਾ ਨੂੰ ਫੀਡ ਕਰਦੇ ਹਨ। ਖਾਸ ਤੌਰ 'ਤੇ ਦੋ ਕਿਸਮਾਂ ਦੇ ਪੱਖਪਾਤ ਹਨ, ਪਹਿਲਾ ਬੋਧਾਤਮਕ ਪੱਖਪਾਤ ਅਤੇ ਦੂਜਾ, ਪੱਖਪਾਤ ਜੋ ਡੇਟਾ ਦੀ ਘਾਟ ਕਾਰਨ ਹੁੰਦੇ ਹਨ।
- ਪਰ, ਚੰਗੀ ਖ਼ਬਰ ਇਹ ਹੈ ਕਿ AI ਮਾਡਲਾਂ ਵਿੱਚ ਪੱਖਪਾਤ ਨੂੰ ਰੀਅਲ-ਟਾਈਮ ਡੇਟਾ ਮਾਨੀਟਰਿੰਗ ਅਤੇ ਪ੍ਰਤੀਨਿਧੀ ਡੇਟਾ ਮਾਡਲਾਂ ਦੇ ਨਾਲ ਡੇਟਾ ਦੇ ਸਹੀ ਸੈੱਟ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਖਤਮ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਕਿਉਂਕਿ ਇਹ ਸਾਡੇ ਰੋਜ਼ਾਨਾ ਜੀਵਨ 'ਤੇ ਹਾਵੀ ਹੋ ਰਿਹਾ ਹੈ, ਅੰਤ ਵਿੱਚ ਗੁਣਵੱਤਾ ਬਣਾਈ ਰੱਖਣ ਲਈ ਸਾਡੇ ਇਨਪੁਟ ਨਾਲ ਸਾਵਧਾਨ ਰਹਿਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ।
ਇੱਥੇ ਪੂਰਾ ਲੇਖ ਪੜ੍ਹੋ:
https://datafloq.com/read/how-to-handle-bias-in-machine-learning/
