اشترك

الاستمرار بالحساب الحالي

شارك
شارك


يمكن تصحيح التحيُّز في خوارزميات الذكاء الاصطناعي إذا تمكنّا أولاً من كشفه.

2019-10-29 17:09:08

28 أكتوبر 2019
Article image
مصدر الصورة: صور جيتي
سلَّطت إحدى الدراسات الضوءَ على المخاطر الكامنة في استخدام البيانات الفعلية لتدريب خوارزميات التعلم الآلي من أجل إنتاج التوقعات. يقول الخبر وفقاً لدراسةٍ قام بها باحثون من جامعة كاليفورنيا بيركلي وتم نشرها في مجلة ساينس، فإنَّ إحدى الخوارزميات التي يستخدمها العديد من مُقدمي الرعاية الصحية الأميركيين للتنبؤ بالمرضى الذين سيحتاجون رعاية طبية إضافية قد قامت بمنح المرضى من ذوي البشرة الفاتحة امتيازاتٍ خاصة مقارنةً بأقرانهم المرضى من ذوي البشرة السمراء؛ حيث نقلت الخوارزمية عملياً ذوي البشرة الفاتحة إلى مواقعَ أعلى في قائمة الانتظار لعلاجاتٍ خاصة بالحالات الصحية المُعقدة مثل مشاكل الكلية أو السّكري. تفاصيل الدراسة تفحَّص الباحثون ما يقارب 50 ألف سجل طبي من مستشفى أكاديمي كبير لم يكشفوا عن اسمه، ووجدوا أنه تم منح المرضى ذوي البشرة الفاتحة درجاتٍ أعلى من الخطورة -وبالتالي زادت فرص اختيارهم لرعاية صحية إضافية مثل اهتمامٍ أكبر من قِبل كادر التمريض أو الحصول على مواعيد مخصصة- مقارنةً بالمرضى ذوي البشرة السمراء الذين كانوا في الواقع يعانون من نفس درجة المرض. ووفقاً للحسابات التي أجراها الباحثون فقد أدّى هذا التحيز إلى خفض نسبة المرضى من ذوي البشرة السمراء الذين حصلوا على مساعدةٍ إضافية إلى أكثر من

أدخل بريدك الإلكتروني واقرأ المقال مجاناً

أنشئ حساباً مجاناً واقرأ مقالتين مجاناً كل شهر من أوسع تشكيلة محتوى أنتجته ألمع العقول العالمية والعربية.

مصطلح اليوم


DATA HARVESTING

حصاد البيانات

عملية جمع البيانات من شبكات التواصل الاجتماعي ومواقع الويب ومصادر الإنترنت الأخرى بهدف استخراج وتمثيل وتحليل التوجهات والأنماط الموجودة فيها واستخدامها لأغراض مختلفة أهمها الإعلان.