偏見(jiàn)是AI的刻板印象之一。那些偏見(jiàn)的人通常對(duì)... AI偏見(jiàn)有偏見(jiàn)。我們已經(jīng)看到企業(yè)花費(fèi)了不必要的資源來(lái)消除AI偏見(jiàn)，因?yàn)樗麄儧](méi)有進(jìn)行盡職調(diào)查就認(rèn)為偏見(jiàn)總是不好的。

同時(shí)，偏見(jiàn)是學(xué)習(xí)的自然結(jié)果。無(wú)法完全消除它，但可以對(duì)其進(jìn)行管理。例如，分析過(guò)程的透明性以及為數(shù)據(jù)和算法分配信任級(jí)別可減少意外后果的風(fēng)險(xiǎn)。偏差可以是有意的，也可以是無(wú)意的。 數(shù)據(jù)，算法和選擇它們的人員都可能有偏見(jiàn)。偏見(jiàn)可能與種族，性別，年齡，位置或時(shí)間有關(guān)。但是，有些形式的偏見(jiàn)是可取的，例如，避免使用不良語(yǔ)言并偏向于善解人意，禮貌和耐心的語(yǔ)言是對(duì)您正確認(rèn)為對(duì)啟用AI的系統(tǒng)與人之間的對(duì)話至關(guān)重要的偏見(jiàn)的形式。

AI的數(shù)據(jù)通常包含不完整或偏斜的信息。有時(shí)，甚至無(wú)法確保代表性數(shù)據(jù)減少AI偏差。有什么可能?在解釋數(shù)據(jù)時(shí)，可能會(huì)提高對(duì)批判性思維的認(rèn)識(shí)-數(shù)據(jù)僅反映了我們是誰(shuí)和我們做什么。從人為偏見(jiàn)開始就變成算法偏見(jiàn)。

親自處理AI偏見(jiàn)的人表示自己的偏見(jiàn)已減少。例如，愛(ài)立信使用情景規(guī)劃方法來(lái)挑戰(zhàn)整個(gè)組織的戰(zhàn)略思維，并在戰(zhàn)略制定過(guò)程的多個(gè)階段測(cè)試和篩選偏見(jiàn)(Gartner 在“研發(fā)決策的常見(jiàn)認(rèn)知偏見(jiàn)”中對(duì)此進(jìn)行了描述)。

培養(yǎng)初學(xué)者的思想。我們?cè)贛averick *研究中描述了如何做到這一點(diǎn)：以正念消除對(duì) AI和數(shù)據(jù)科學(xué)的疏忽。初學(xué)者的思想使人們能夠做出明智的選擇和業(yè)務(wù)決策，而不是永久使用“舊方法”和潛伏偏見(jiàn)。初學(xué)者的思維使專家們具有靈活性和適應(yīng)性，還可以使從業(yè)者提出新問(wèn)題，并為老問(wèn)題找到新答案。