AI Bias
Systematic prejudices that a model learns from its training data.
AI bias occurs when a model discriminates or systematically errs regarding certain groups (gender, ethnicity, age). Origin: unbalanced data or reflections of social prejudices. Mitigations: balanced datasets, audits, fairness metrics.
Practical examples
- CV screening that penalizes women
- Facial recognition less accurate for people of color
- Discriminatory credit scoring models
- Differentiated medical suggestions
Come lo usa Faraday
Nel lavoro con le imprese applichiamo il concetto di AI Bias in progetti concreti di chatbot, automazioni e software AI, con misurazione dei risultati di business.
Se stai valutando un progetto che coinvolge ai bias, parla con il team Faraday o consulta i servizi AI.