Słownik AI
Bias (obciążenie modelu)
bias
Systematyczne przechylenie wyników modelu wynikające z danych treningowych lub sposobu jego budowy.
Bias, po polsku obciążenie lub stronniczość, to systematyczny błąd modelu polegający na tym, że jego wyniki faworyzują lub krzywdzą określone grupy albo scenariusze.
Skąd się bierze
- Z danych - model uczony na historycznych decyzjach rekrutacyjnych powiela zawarte w nich uprzedzenia.
- Z doboru próby - jeśli dane obejmują głównie jedną grupę, model gorzej działa dla pozostałych.
- Z etykiet - osoby oznaczające dane wnoszą własne oceny.
- Ze sposobu użycia - model poprawny statystycznie może krzywdzić, gdy stosuje się go do decyzji, do których nie był projektowany.
Czy da się usunąć
Całkowicie nie. Dane powstają w konkretnym kontekście społecznym i zawsze coś odzwierciedlają. Obciążenie można natomiast mierzyć - porównując skuteczność modelu w podgrupach - i ograniczać przez dobór danych, korekty w treningu oraz nadzór człowieka przy decyzjach dotyczących ludzi.