Viktigt att träna sitt AI-system rätt

En intressant blogg diskuterar det faktum att inget AI-system kan vara bättre än den data man använder för att träna det. Men dålig träning får man också fel information, vilket i sin tur gör att man fattar beslut på fel grunder. 

Artificiell intelligens påverkar oss både privat och professionellt. Därför är det av yttersta vikt att det blir rätt. Slarvar vi nu undergräver vi det förtroende som AI har vilket på sikt minskar teknikens möjlighet att skapa bättre lösningar, eftersom människor helt enkelt inte kommer att kunna lita på systemen. 

I bloggen från IBM Research nämns en uppsats som utvärderar tre verktyg (varav ett från IBM) för ansiktsigenkänning. Det som författarna till uppsatsen hade identifierat var att inget av verktyget fungerade korrekt. Förenklat hade systemen problem både med kvinnors ansikten och med  mörkare hudfärger. 

Författaren av bloggen beskriver därefter hur IBM hanterade det dåliga resultatet och hur IBM arbetar för att förbättra sitt verktyg. 

Bloggen ger mycket bra insikt i hur man arbetar med AI och hur central träningen av systemen är.  Den är skriven av någon som verkligen tar utmaningarna på allvar och ger också en inblick i hur viktig den nya tekniken är. 

Läs Mitigating Bias in AI Models

Läs nästa artikel

Kontinuerlig utveckling – en växande trend

Läs nästa: Kontinuerlig utveckling – en växande trend