Sí. Hay un problema que no parece ser tan conocido como debería ser: incluso si no usa una característica en su algoritmo, la salida que obtiene puede estar correlacionada con esa característica si las entradas son. Por lo tanto, cualquier sesgo en su entrada puede traducirse en un sesgo en su salida.
En realidad, esta es una gran preocupación para los bancos, las compañías de tarjetas de crédito y las nuevas empresas de fintech que desean utilizar el aprendizaje automático para tomar decisiones de préstamos. Debido a que están sujetos a la Ley de Igualdad de Oportunidades de Crédito, tienen que asegurarse realmente de que no tienen esos sesgos, y eso requiere trabajo.
Ha habido un par de otros incidentes relativamente de alto perfil recientemente. ¿Búsqueda sexista? Es menos probable que Google muestre anuncios de empleos con altos salarios que hombres, ya que los anuncios de trabajos de Google terminan teniendo un sesgo de género, y las redes neuronales están aprendiendo inadvertidamente los sesgos de género ocultos de nuestro idioma, y detallan un problema similar en un gran corpus de datos en lenguaje natural.
Mi conjetura es que este será un tema muy candente durante un tiempo, especialmente cuando los reguladores se pongan al día con las nuevas tecnologías a las que no están prestando atención en este momento. Si eres un estudiante graduado y buscas un proyecto de tesis, probablemente no sea una mala área para pensar.
- Cómo obtener capacitación completa sobre los sesgos cognitivos y formas de eliminarlos
- ¿Por qué el abandono de la probabilidad es un sesgo cognitivo?
- ¿Por qué Obama quiere naturalizar a los inmigrantes mexicanos ilegales lo antes posible, cuando muchos inmigrantes ilegales tienen que esperar más de 15 años?
- ¿Todos están predispuestos a la hora de defender sus propios puntos en discusiones abiertas?
- ¿Es la confirmación sesgo la madre de la irracionalidad humana?