AI ಗೆ ಮೈಂಡ್‌ಫುಲ್ ಅಪ್ರೋಚ್ ಅನ್ನು ಹೇಗೆ ತೆಗೆದುಕೊಳ್ಳುವುದು ಪಕ್ಷಪಾತದ ಡೇಟಾ ಸೆಟ್‌ಗಳನ್ನು ಕಡಿತಗೊಳಿಸುತ್ತದೆ

ಪಕ್ಷಪಾತದ ಡೇಟಾಸೆಟ್‌ಗಳು ಮತ್ತು ನೈತಿಕ AI

AI-ಚಾಲಿತ ಪರಿಹಾರಗಳು ಪರಿಣಾಮಕಾರಿಯಾಗಿರಲು ಡೇಟಾ ಸೆಟ್‌ಗಳ ಅಗತ್ಯವಿದೆ. ಮತ್ತು ಆ ಡೇಟಾ ಸೆಟ್ ಗಳ ರಚನೆಯು ವ್ಯವಸ್ಥಿತ ಮಟ್ಟದಲ್ಲಿ ಸೂಚ್ಯ ಪಕ್ಷಪಾತದ ಸಮಸ್ಯೆಯಿಂದ ತುಂಬಿದೆ. ಎಲ್ಲಾ ಜನರು ಪಕ್ಷಪಾತದಿಂದ ಬಳಲುತ್ತಿದ್ದಾರೆ (ಪ್ರಜ್ಞಾಪೂರ್ವಕ ಮತ್ತು ಪ್ರಜ್ಞಾಹೀನ ಎರಡೂ). ಪಕ್ಷಪಾತವು ಯಾವುದೇ ರೂಪಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದು: ಭೌಗೋಳಿಕ, ಭಾಷಿಕ, ಸಾಮಾಜಿಕ-ಆರ್ಥಿಕ, ಲಿಂಗವಾದಿ ಮತ್ತು ಜನಾಂಗೀಯ. ಮತ್ತು ಆ ವ್ಯವಸ್ಥಿತ ಪಕ್ಷಪಾತಗಳನ್ನು ಡೇಟಾದಲ್ಲಿ ಬೇಯಿಸಲಾಗುತ್ತದೆ, ಇದು ಪಕ್ಷಪಾತವನ್ನು ಶಾಶ್ವತಗೊಳಿಸುವ ಮತ್ತು ವರ್ಧಿಸುವ AI ಉತ್ಪನ್ನಗಳಿಗೆ ಕಾರಣವಾಗಬಹುದು. ಡೇಟಾ ಸೆಟ್‌ಗಳಲ್ಲಿ ತೆವಳುವ ಪಕ್ಷಪಾತದ ವಿರುದ್ಧ ತಗ್ಗಿಸಲು ಸಂಸ್ಥೆಗಳಿಗೆ ಎಚ್ಚರಿಕೆಯ ವಿಧಾನದ ಅಗತ್ಯವಿದೆ.

ಪಕ್ಷಪಾತ ಸಮಸ್ಯೆಯನ್ನು ವಿವರಿಸುವ ಉದಾಹರಣೆಗಳು

ಈ ಡೇಟಾ ಸೆಟ್ ಪಕ್ಷಪಾತದ ಒಂದು ಗಮನಾರ್ಹ ಉದಾಹರಣೆಯೆಂದರೆ, ಆ ಸಮಯದಲ್ಲಿ ಬಹಳಷ್ಟು ಋಣಾತ್ಮಕ ಪ್ರೆಸ್ ಅನ್ನು ಗಳಿಸಿದ ರೆಸ್ಯೂಮ್ ರೀಡಿಂಗ್ ಪರಿಹಾರವೆಂದರೆ ಅದು ಸ್ತ್ರೀಯರಿಗಿಂತ ಪುರುಷ ಅಭ್ಯರ್ಥಿಗಳಿಗೆ ಒಲವು. ಏಕೆಂದರೆ ನೇಮಕಾತಿ ಉಪಕರಣದ ಡೇಟಾ ಸೆಟ್‌ಗಳನ್ನು ಕಳೆದ ದಶಕದಲ್ಲಿ ಹೆಚ್ಚಿನ ಅರ್ಜಿದಾರರು ಪುರುಷರಾಗಿದ್ದಾಗ ರೆಸ್ಯೂಮ್ ಬಳಸಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿದೆ. ಡೇಟಾವು ಪಕ್ಷಪಾತವಾಗಿದೆ ಮತ್ತು ಫಲಿತಾಂಶಗಳು ಪಕ್ಷಪಾತವನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತವೆ. 

ಮತ್ತೊಂದು ವ್ಯಾಪಕವಾಗಿ ವರದಿ ಮಾಡಲಾದ ಉದಾಹರಣೆ: ವಾರ್ಷಿಕ Google I/O ಡೆವಲಪರ್ ಕಾನ್ಫರೆನ್ಸ್‌ನಲ್ಲಿ, Google AI-ಚಾಲಿತ ಚರ್ಮರೋಗ ಸಹಾಯ ಸಾಧನದ ಪೂರ್ವವೀಕ್ಷಣೆಯನ್ನು ಹಂಚಿಕೊಂಡಿದೆ, ಅದು ಜನರು ತಮ್ಮ ಚರ್ಮ, ಕೂದಲು ಮತ್ತು ಉಗುರುಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ಸಮಸ್ಯೆಗಳೊಂದಿಗೆ ಏನಾಗುತ್ತಿದೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಡರ್ಮಟಾಲಜಿ ಸಹಾಯಕವು ಆರೋಗ್ಯ ರಕ್ಷಣೆಗೆ ಸಹಾಯ ಮಾಡಲು AI ಹೇಗೆ ವಿಕಸನಗೊಳ್ಳುತ್ತಿದೆ ಎಂಬುದನ್ನು ಒತ್ತಿಹೇಳುತ್ತದೆ - ಆದರೆ ಬಣ್ಣವುಳ್ಳ ಜನರಿಗೆ ಉಪಕರಣವು ಸಮರ್ಪಕವಾಗಿಲ್ಲ ಎಂಬ ಟೀಕೆಯ ಹಿನ್ನೆಲೆಯಲ್ಲಿ AI ಗೆ ಪಕ್ಷಪಾತವು ಹರಿದಾಡುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಇದು ಎತ್ತಿ ತೋರಿಸುತ್ತದೆ.

ಗೂಗಲ್ ಉಪಕರಣವನ್ನು ಘೋಷಿಸಿದಾಗ, ಕಂಪನಿಯು ಗಮನಿಸಿದೆ:

ನಾವು ಪ್ರತಿಯೊಬ್ಬರಿಗಾಗಿ ನಿರ್ಮಿಸುತ್ತಿದ್ದೇವೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು, ನಮ್ಮ ಮಾದರಿಯು ವಯಸ್ಸು, ಲಿಂಗ, ಜನಾಂಗ ಮತ್ತು ಚರ್ಮದ ಪ್ರಕಾರಗಳಂತಹ ಅಂಶಗಳಿಗೆ ಕಾರಣವಾಗಿದೆ - ಕಂದುಬಣ್ಣದ ಚರ್ಮದಿಂದ ಅಪರೂಪವಾಗಿ ಸುಡುವ ಕಂದು ಚರ್ಮದವರೆಗೆ.

Google, ಸಾಮಾನ್ಯ ಚರ್ಮದ ಪರಿಸ್ಥಿತಿಗಳಿಗೆ ಉತ್ತರಗಳನ್ನು ಹುಡುಕಲು ಸಹಾಯ ಮಾಡಲು AI ಅನ್ನು ಬಳಸುವುದು

ಆದರೆ ವೈಸ್‌ನಲ್ಲಿನ ಲೇಖನವು ಅಂತರ್ಗತ ಡೇಟಾ ಸೆಟ್ ಅನ್ನು ಬಳಸಲು Google ವಿಫಲವಾಗಿದೆ ಎಂದು ಹೇಳಿದೆ:

ಕಾರ್ಯವನ್ನು ಸಾಧಿಸಲು, ಸಂಶೋಧಕರು ಎರಡು ರಾಜ್ಯಗಳಲ್ಲಿ ನೆಲೆಗೊಂಡಿರುವ 64,837 ರೋಗಿಗಳ 12,399 ಚಿತ್ರಗಳ ತರಬೇತಿ ಡೇಟಾಸೆಟ್ ಅನ್ನು ಬಳಸಿದರು. ಆದರೆ ಚಿತ್ರಿಸಲಾದ ಸಾವಿರಾರು ಚರ್ಮದ ಸ್ಥಿತಿಗಳಲ್ಲಿ, ಕೇವಲ 3.5 ಪ್ರತಿಶತವು ಫಿಟ್ಜ್‌ಪ್ಯಾಟ್ರಿಕ್ ಚರ್ಮದ ವಿಧದ V ಮತ್ತು VI ರೋಗಿಗಳಿಂದ ಬಂದಿದೆ-ಅವರು ಕ್ರಮವಾಗಿ ಕಂದು ಚರ್ಮ ಮತ್ತು ಗಾಢ ಕಂದು ಅಥವಾ ಕಪ್ಪು ಚರ್ಮವನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತಾರೆ. ಅಧ್ಯಯನದ ಪ್ರಕಾರ, ಡೇಟಾಬೇಸ್‌ನ 90 ಪ್ರತಿಶತವು ನ್ಯಾಯೋಚಿತ ಚರ್ಮ, ಗಾಢವಾದ ಬಿಳಿ ಚರ್ಮ ಅಥವಾ ತಿಳಿ ಕಂದು ಬಣ್ಣದ ಚರ್ಮವನ್ನು ಹೊಂದಿರುವ ಜನರನ್ನು ಒಳಗೊಂಡಿದೆ. ಪಕ್ಷಪಾತದ ಮಾದರಿಯ ಪರಿಣಾಮವಾಗಿ, ಚರ್ಮಶಾಸ್ತ್ರಜ್ಞರು ಅಪ್ಲಿಕೇಶನ್ ಬಿಳಿಯಾಗಿಲ್ಲದ ಜನರನ್ನು ಅತಿಯಾಗಿ ಅಥವಾ ಕಡಿಮೆ ರೋಗನಿರ್ಣಯಕ್ಕೆ ಕೊನೆಗೊಳಿಸಬಹುದು ಎಂದು ಹೇಳುತ್ತಾರೆ.

ವೈಸ್, Google ನ ಹೊಸ ಡರ್ಮಟಾಲಜಿ ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಗಾಢವಾದ ಚರ್ಮ ಹೊಂದಿರುವ ಜನರಿಗೆ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿಲ್ಲ

ಔಪಚಾರಿಕವಾಗಿ ಬಿಡುಗಡೆ ಮಾಡುವ ಮೊದಲು ಉಪಕರಣವನ್ನು ಪರಿಷ್ಕರಿಸುತ್ತದೆ ಎಂದು ಹೇಳುವ ಮೂಲಕ Google ಪ್ರತಿಕ್ರಿಯಿಸಿತು:

ನಮ್ಮ AI-ಚಾಲಿತ ಡರ್ಮಟಾಲಜಿ ಅಸಿಸ್ಟ್ ಟೂಲ್ ಮೂರು ವರ್ಷಗಳ ಸಂಶೋಧನೆಯ ಪರಾಕಾಷ್ಠೆಯಾಗಿದೆ. ನಮ್ಮ ಕೆಲಸವು ನೇಚರ್ ಮೆಡಿಸಿನ್‌ನಲ್ಲಿ ಕಾಣಿಸಿಕೊಂಡಿರುವುದರಿಂದ, ಸಾವಿರಾರು ಜನರು ದಾನ ಮಾಡಿದ ಡೇಟಾ ಮತ್ತು ಲಕ್ಷಾಂತರ ಹೆಚ್ಚು ಚರ್ಮದ ಆರೈಕೆಯ ಚಿತ್ರಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಹೆಚ್ಚುವರಿ ಡೇಟಾಸೆಟ್‌ಗಳ ಸಂಯೋಜನೆಯೊಂದಿಗೆ ನಾವು ನಮ್ಮ ತಂತ್ರಜ್ಞಾನವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದನ್ನು ಮತ್ತು ಪರಿಷ್ಕರಿಸುವುದನ್ನು ಮುಂದುವರಿಸಿದ್ದೇವೆ.

Google, ಸಾಮಾನ್ಯ ಚರ್ಮದ ಪರಿಸ್ಥಿತಿಗಳಿಗೆ ಉತ್ತರಗಳನ್ನು ಹುಡುಕಲು ಸಹಾಯ ಮಾಡಲು AI ಅನ್ನು ಬಳಸುವುದು

ಎಐ ಮತ್ತು ಯಂತ್ರ ಕಲಿಕಾ ಕಾರ್ಯಕ್ರಮಗಳು ಈ ಪಕ್ಷಪಾತಗಳನ್ನು ಸರಿಪಡಿಸಬಹುದು ಎಂದು ನಾವು ಭಾವಿಸುವಷ್ಟು, ವಾಸ್ತವ ಉಳಿದಿದೆ: ಅವು ಹಾಗೆ ಮಾತ್ರ ಸ್ಮಾರ್ಟ್ ಅವರ ಡೇಟಾ ಸೆಟ್ ಗಳು ಸ್ವಚ್ಛವಾಗಿರುವುದರಿಂದ. ಹಳೆಯ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಗಾದೆಗೆ ನವೀಕರಣದಲ್ಲಿ ಕಸದ ಒಳಗೆ/ಕಸ ಹೊರಗೆ, AI ಪರಿಹಾರಗಳು ತಮ್ಮ ಡೇಟಾ ಸೆಟ್‌ಗಳ ಗುಣಮಟ್ಟದಷ್ಟೇ ಪ್ರಬಲವಾಗಿವೆ. ಪ್ರೋಗ್ರಾಮರ್‌ಗಳಿಂದ ತಿದ್ದುಪಡಿಯಿಲ್ಲದೆ, ಈ ಡೇಟಾ ಸೆಟ್‌ಗಳು ತಮ್ಮನ್ನು ಸರಿಪಡಿಸಿಕೊಳ್ಳಲು ಹಿನ್ನೆಲೆ ಅನುಭವವನ್ನು ಹೊಂದಿರುವುದಿಲ್ಲ - ಏಕೆಂದರೆ ಅವುಗಳು ಯಾವುದೇ ಉಲ್ಲೇಖದ ಚೌಕಟ್ಟನ್ನು ಹೊಂದಿಲ್ಲ.

ಡೇಟಾ ಸೆಟ್‌ಗಳನ್ನು ಜವಾಬ್ದಾರಿಯುತವಾಗಿ ನಿರ್ಮಿಸುವುದು ಎಲ್ಲದರಲ್ಲೂ ಮುಖ್ಯವಾಗಿದೆ ನೈತಿಕ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ. ಮತ್ತು ಜನರು ಪರಿಹಾರದ ಕೇಂದ್ರದಲ್ಲಿದ್ದಾರೆ. 

ಮೈಂಡ್‌ಫುಲ್ ಎಐ ಎಥಿಕಲ್ ಎಐ ಆಗಿದೆ

ಪಕ್ಷಪಾತವು ನಿರ್ವಾತದಲ್ಲಿ ಸಂಭವಿಸುವುದಿಲ್ಲ. ಅಭಿವೃದ್ಧಿಯ ಹಂತದಲ್ಲಿ ತಪ್ಪು ವಿಧಾನವನ್ನು ತೆಗೆದುಕೊಳ್ಳುವುದರಿಂದ ಅನೈತಿಕ ಅಥವಾ ಪಕ್ಷಪಾತದ ಡೇಟಾ ಸೆಟ್‌ಗಳು ಬರುತ್ತವೆ. ಪಕ್ಷಪಾತ ದೋಷಗಳನ್ನು ಎದುರಿಸುವ ಮಾರ್ಗವೆಂದರೆ ಜವಾಬ್ದಾರಿಯುತ, ಮಾನವ-ಕೇಂದ್ರಿತ, ಉದ್ಯಮದಲ್ಲಿ ಅನೇಕರು ಮೈಂಡ್‌ಫುಲ್ AI ಎಂದು ಕರೆಯುವ ವಿಧಾನವನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳುವುದು. ಮೈಂಡ್‌ಫುಲ್ ಎಐ ಮೂರು ನಿರ್ಣಾಯಕ ಅಂಶಗಳನ್ನು ಹೊಂದಿದೆ:

1. ಮೈಂಡ್‌ಫುಲ್ AI ಮಾನವ-ಕೇಂದ್ರಿತವಾಗಿದೆ

ಎಐ ಯೋಜನೆಯ ಆರಂಭದಿಂದಲೂ, ಯೋಜನಾ ಹಂತಗಳಲ್ಲಿ, ಜನರ ಅಗತ್ಯತೆಗಳು ಪ್ರತಿಯೊಂದು ನಿರ್ಧಾರದ ಕೇಂದ್ರದಲ್ಲಿರಬೇಕು. ಮತ್ತು ಇದರರ್ಥ ಎಲ್ಲಾ ಜನರು - ಕೇವಲ ಉಪವಿಭಾಗವಲ್ಲ. ಅದಕ್ಕಾಗಿಯೇ ಡೆವಲಪರ್‌ಗಳು AI ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ಅಂತರ್ಗತ ಮತ್ತು ಪಕ್ಷಪಾತ-ಮುಕ್ತವಾಗಿ ತರಬೇತಿ ನೀಡಲು ಜಾಗತಿಕವಾಗಿ ಆಧಾರಿತ ಜನರ ವೈವಿಧ್ಯಮಯ ತಂಡವನ್ನು ಅವಲಂಬಿಸಬೇಕಾಗಿದೆ.

ಜಾಗತಿಕ, ವೈವಿಧ್ಯಮಯ ತಂಡದಿಂದ ಡೇಟಾ ಸೆಟ್‌ಗಳನ್ನು ಕ್ರೌಡ್‌ಸೋರ್ಸಿಂಗ್ ಮಾಡುವುದರಿಂದ ಪಕ್ಷಪಾತಗಳನ್ನು ಗುರುತಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಮೊದಲೇ ಫಿಲ್ಟರ್ ಮಾಡಲಾಗುತ್ತದೆ. ವಿವಿಧ ಜನಾಂಗಗಳು, ವಯಸ್ಸಿನ ಗುಂಪುಗಳು, ಲಿಂಗಗಳು, ಶಿಕ್ಷಣದ ಮಟ್ಟಗಳು, ಸಾಮಾಜಿಕ-ಆರ್ಥಿಕ ಹಿನ್ನೆಲೆಗಳು ಮತ್ತು ಸ್ಥಳಗಳು ಒಂದು ಸೆಟ್ ಮೌಲ್ಯಗಳನ್ನು ಇನ್ನೊಂದರ ಮೇಲೆ ಒಲವು ತೋರುವ ಡೇಟಾ ಸೆಟ್‌ಗಳನ್ನು ಹೆಚ್ಚು ಸುಲಭವಾಗಿ ಗುರುತಿಸಬಹುದು, ಹೀಗಾಗಿ ಅನಪೇಕ್ಷಿತ ಪಕ್ಷಪಾತವನ್ನು ತೆಗೆದುಹಾಕಬಹುದು.

ಧ್ವನಿ ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ನೋಡೋಣ. ಜಾಗರೂಕತೆಯ AI ವಿಧಾನವನ್ನು ಅನ್ವಯಿಸುವಾಗ ಮತ್ತು ಜಾಗತಿಕ ಪ್ರತಿಭಾ ಸಮೂಹದ ಶಕ್ತಿಯನ್ನು ಸದುಪಯೋಗಪಡಿಸಿಕೊಳ್ಳುವಾಗ, ಡೆವಲಪರ್‌ಗಳು ಡೇಟಾ ಸೆಟ್‌ಗಳಲ್ಲಿ ವಿವಿಧ ಉಪಭಾಷೆಗಳು ಮತ್ತು ಉಚ್ಚಾರಣೆಗಳಂತಹ ಭಾಷಾ ಅಂಶಗಳನ್ನು ಪರಿಗಣಿಸಬಹುದು.

ಮೊದಲಿನಿಂದಲೂ ಮಾನವ-ಕೇಂದ್ರಿತ ವಿನ್ಯಾಸ ಚೌಕಟ್ಟನ್ನು ಸ್ಥಾಪಿಸುವುದು ನಿರ್ಣಾಯಕವಾಗಿದೆ. ರಚಿಸಲಾದ, ಕ್ಯುರೇಟೆಡ್ ಮತ್ತು ಲೇಬಲ್ ಮಾಡಿದ ಡೇಟಾವು ಅಂತಿಮ ಬಳಕೆದಾರರ ನಿರೀಕ್ಷೆಯನ್ನು ಪೂರೈಸುತ್ತದೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಇದು ಬಹಳ ದೂರ ಹೋಗುತ್ತದೆ. ಆದರೆ ಇಡೀ ಉತ್ಪನ್ನ ಅಭಿವೃದ್ಧಿಯ ಜೀವನಚಕ್ರದ ಉದ್ದಕ್ಕೂ ಮಾನವರನ್ನು ಲೂಪ್‌ನಲ್ಲಿ ಇಡುವುದು ಸಹ ಮುಖ್ಯವಾಗಿದೆ. 

ಲೂಪ್‌ನಲ್ಲಿರುವ ಮಾನವರು ಪ್ರತಿ ನಿರ್ದಿಷ್ಟ ಪ್ರೇಕ್ಷಕರಿಗೆ ಉತ್ತಮ AI ಅನುಭವವನ್ನು ರಚಿಸಲು ಯಂತ್ರಗಳಿಗೆ ಸಹಾಯ ಮಾಡಬಹುದು. Pactera EDGE ನಲ್ಲಿ, ನಮ್ಮ AI ಡೇಟಾ ಪ್ರಾಜೆಕ್ಟ್ ತಂಡಗಳು, ಜಾಗತಿಕವಾಗಿ ನೆಲೆಗೊಂಡಿವೆ, ವಿಭಿನ್ನ ಸಂಸ್ಕೃತಿಗಳು ಮತ್ತು ಸನ್ನಿವೇಶಗಳು ವಿಶ್ವಾಸಾರ್ಹ AI ತರಬೇತಿ ದತ್ತಾಂಶಗಳ ಸಂಗ್ರಹಣೆ ಮತ್ತು ಗುಣಪಡಿಸುವಿಕೆಯ ಮೇಲೆ ಹೇಗೆ ಪ್ರಭಾವ ಬೀರುತ್ತವೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುತ್ತವೆ. AI-ಆಧಾರಿತ ಪರಿಹಾರವು ಲೈವ್ ಆಗುವ ಮೊದಲು ಸಮಸ್ಯೆಗಳನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡಲು, ಅವುಗಳನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲು ಮತ್ತು ಅವುಗಳನ್ನು ಸರಿಪಡಿಸಲು ಅಗತ್ಯವಿರುವ ಅಗತ್ಯ ಸಾಧನಗಳನ್ನು ಅವರು ಹೊಂದಿದ್ದಾರೆ.

ಹ್ಯೂಮನ್-ಇನ್-ದ-ಲೂಪ್ AI ಎಂಬುದು ಜನರ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಮತ್ತು ಅವರ ವೈವಿಧ್ಯಮಯ ಹಿನ್ನೆಲೆಗಳನ್ನು ಯಂತ್ರಗಳ ವೇಗದ ಕಂಪ್ಯೂಟಿಂಗ್ ಶಕ್ತಿಯೊಂದಿಗೆ ಸಂಯೋಜಿಸುವ "ಸುರಕ್ಷತಾ ನಿವ್ವಳ" ಯೋಜನೆಯಾಗಿದೆ. ಈ ಮಾನವ ಮತ್ತು AI ಸಹಯೋಗವನ್ನು ಕಾರ್ಯಕ್ರಮಗಳ ಆರಂಭದಿಂದಲೇ ಸ್ಥಾಪಿಸಬೇಕಾಗಿದೆ ಆದ್ದರಿಂದ ಪಕ್ಷಪಾತದ ದತ್ತಾಂಶವು ಯೋಜನೆಯಲ್ಲಿ ಅಡಿಪಾಯವನ್ನು ರೂಪಿಸುವುದಿಲ್ಲ. 

2. ಮೈಂಡ್‌ಫುಲ್ AI ಜವಾಬ್ದಾರಿಯುತವಾಗಿದೆ

ಜವಾಬ್ದಾರರಾಗಿರುವುದು ಎಂದರೆ AI ವ್ಯವಸ್ಥೆಗಳು ಪಕ್ಷಪಾತದಿಂದ ಮುಕ್ತವಾಗಿರುವುದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳುವುದು ಮತ್ತು ಅವು ನೀತಿಶಾಸ್ತ್ರದಲ್ಲಿ ನೆಲೆಗೊಂಡಿವೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳುವುದು. ಡೇಟಾವನ್ನು ಹೇಗೆ, ಏಕೆ, ಮತ್ತು ಎಲ್ಲಿ ರಚಿಸಲಾಗಿದೆ, AI ವ್ಯವಸ್ಥೆಗಳಿಂದ ಅದನ್ನು ಹೇಗೆ ಸಂಶ್ಲೇಷಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ನಿರ್ಧಾರವನ್ನು ತೆಗೆದುಕೊಳ್ಳುವಲ್ಲಿ ಅದನ್ನು ಹೇಗೆ ಬಳಸಲಾಗುತ್ತದೆ, ನೈತಿಕ ಪರಿಣಾಮಗಳನ್ನು ಹೊಂದಿರುವ ನಿರ್ಧಾರಗಳ ಬಗ್ಗೆ ಇದು ಗಮನಹರಿಸುತ್ತದೆ. ಹಾಗೆ ಮಾಡಲು ವ್ಯಾಪಾರಕ್ಕೆ ಒಂದು ಮಾರ್ಗವೆಂದರೆ ಕಡಿಮೆ-ಪ್ರತಿನಿಧಿ ಸಮುದಾಯಗಳೊಂದಿಗೆ ಹೆಚ್ಚು ಒಳಗೊಳ್ಳಲು ಮತ್ತು ಕಡಿಮೆ ಪಕ್ಷಪಾತದಿಂದ ಕೆಲಸ ಮಾಡುವುದು. ಡೇಟಾ ಟಿಪ್ಪಣಿಗಳ ಕ್ಷೇತ್ರದಲ್ಲಿ, ಹೊಸ ಸಂಶೋಧನೆಯು ಪ್ರತಿ ಟಿಪ್ಪಣಿಕಾರರ ಲೇಬಲ್‌ಗಳನ್ನು ಪ್ರತ್ಯೇಕ ಉಪಕಾರ್ಯವಾಗಿ ಪರಿಗಣಿಸುವ ಬಹು-ವ್ಯಾಖ್ಯಾನದ ಬಹು-ಕಾರ್ಯ ಮಾದರಿಯು ವಿಶಿಷ್ಟವಾದ ನೆಲದ ಸತ್ಯ ವಿಧಾನಗಳಲ್ಲಿ ಅಂತರ್ಗತವಾಗಿರುವ ಸಂಭಾವ್ಯ ಸಮಸ್ಯೆಗಳನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಹೇಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ ಎಂಬುದನ್ನು ಎತ್ತಿ ತೋರಿಸುತ್ತಿದೆ, ಅಲ್ಲಿ ಟಿಪ್ಪಣಿಕಾರ ಭಿನ್ನಾಭಿಪ್ರಾಯಗಳು ಕಡಿಮೆ ಪ್ರಾತಿನಿಧ್ಯಗಳು ಮತ್ತು ಒಂದೇ ನೆಲದ ಸತ್ಯಕ್ಕೆ ಟಿಪ್ಪಣಿಗಳ ಒಟ್ಟುಗೂಡಿಸುವಿಕೆಯಲ್ಲಿ ನಿರ್ಲಕ್ಷಿಸಬಹುದು. 

3. ವಿಶ್ವಾಸಾರ್ಹ

ಎಐ ಮಾದರಿಗೆ ಹೇಗೆ ತರಬೇತಿ ನೀಡಲಾಗಿದೆ, ಅದು ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ ಮತ್ತು ಅವರು ಫಲಿತಾಂಶಗಳನ್ನು ಏಕೆ ಶಿಫಾರಸು ಮಾಡುತ್ತಾರೆ ಎಂಬುದರಲ್ಲಿ ಪಾರದರ್ಶಕ ಮತ್ತು ವಿವರಿಸಬಹುದಾದ ವ್ಯವಹಾರದಿಂದ ವಿಶ್ವಾಸಾರ್ಹತೆ ಬರುತ್ತದೆ. ಒಂದು ದೇಶದಿಂದ ಮುಂದಿನ ದೇಶಕ್ಕೆ AI ಪರಿಹಾರದ ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ಉಂಟುಮಾಡುವ ಅಥವಾ ಮುರಿಯಬಲ್ಲ ಸ್ಥಳೀಯ ಭಾಷೆಯಲ್ಲಿನ ನಿರ್ಣಾಯಕ ಸೂಕ್ಷ್ಮ ವ್ಯತ್ಯಾಸಗಳು ಮತ್ತು ಬಳಕೆದಾರರ ಅನುಭವಗಳನ್ನು ಗೌರವಿಸುವ ಮೂಲಕ, ತನ್ನ ಗ್ರಾಹಕರಿಗೆ ತಮ್ಮ AI ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ಹೆಚ್ಚು ಒಳಗೊಳ್ಳುವ ಮತ್ತು ವೈಯಕ್ತೀಕರಿಸುವಂತೆ ಮಾಡಲು ವ್ಯವಹಾರಕ್ಕೆ AI ಸ್ಥಳೀಕರಣದ ಪರಿಣತಿಯ ಅಗತ್ಯವಿದೆ. . ಉದಾಹರಣೆಗೆ, ವ್ಯವಹಾರವು ತನ್ನ ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ವೈಯಕ್ತೀಕರಿಸಿದ ಮತ್ತು ಸ್ಥಳೀಯ ಸಂದರ್ಭಗಳಿಗಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಬೇಕು, ಇದರಲ್ಲಿ ಭಾಷೆಗಳು, ಉಪಭಾಷೆಗಳು ಮತ್ತು ಧ್ವನಿ ಆಧಾರಿತ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಲ್ಲಿ ಉಚ್ಚಾರಣೆಗಳು ಸೇರಿವೆ. ಆ ರೀತಿಯಲ್ಲಿ, ಒಂದು ಅಪ್ಲಿಕೇಶನ್ ಇಂಗ್ಲಿಷ್‌ನಿಂದ ಕಡಿಮೆ-ಪ್ರಾತಿನಿಧ್ಯದ ಭಾಷೆಗಳವರೆಗೆ ಪ್ರತಿ ಭಾಷೆಗೆ ಒಂದೇ ಮಟ್ಟದ ಧ್ವನಿ ಅನುಭವದ ಅತ್ಯಾಧುನಿಕತೆಯನ್ನು ತರುತ್ತದೆ.

ನ್ಯಾಯಸಮ್ಮತತೆ ಮತ್ತು ವೈವಿಧ್ಯತೆ

ಅಂತಿಮವಾಗಿ, ಗಮನವುಳ್ಳ AI ಪರಿಹಾರಗಳನ್ನು ನ್ಯಾಯಯುತ ಮತ್ತು ವೈವಿಧ್ಯಮಯ ಡೇಟಾ ಸೆಟ್‌ಗಳ ಮೇಲೆ ನಿರ್ಮಿಸಲಾಗಿದೆ ಎಂದು ಖಚಿತಪಡಿಸುತ್ತದೆ, ಅಲ್ಲಿ ನಿರ್ದಿಷ್ಟ ಫಲಿತಾಂಶಗಳ ಪರಿಣಾಮಗಳು ಮತ್ತು ಪ್ರಭಾವವನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲಾಗುತ್ತದೆ ಮತ್ತು ಪರಿಹಾರವು ಮಾರುಕಟ್ಟೆಗೆ ಹೋಗುವ ಮೊದಲು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲಾಗುತ್ತದೆ. ಪರಿಹಾರದ ಅಭಿವೃದ್ಧಿಯ ಪ್ರತಿಯೊಂದು ಭಾಗದಲ್ಲೂ ಗಮನಹರಿಸುವ ಮೂಲಕ ಮತ್ತು ಮಾನವರನ್ನು ಸೇರಿಸುವ ಮೂಲಕ, AI ಮಾದರಿಗಳು ಸ್ವಚ್ಛವಾಗಿ, ಕನಿಷ್ಠ ಪಕ್ಷಪಾತದಿಂದ ಮತ್ತು ಸಾಧ್ಯವಾದಷ್ಟು ನೈತಿಕವಾಗಿರುವುದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ನಾವು ಸಹಾಯ ಮಾಡುತ್ತೇವೆ.

ನೀವು ಏನು ಆಲೋಚಿಸುತ್ತೀರಿ ಏನು?

ಸ್ಪ್ಯಾಮ್ ಅನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಈ ಸೈಟ್ ಅಕಿಸ್ಸೆಟ್ ಅನ್ನು ಬಳಸುತ್ತದೆ. ನಿಮ್ಮ ಕಾಮೆಂಟ್ ಡೇಟಾವನ್ನು ಹೇಗೆ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲಾಗುತ್ತಿದೆ ಎಂಬುದನ್ನು ತಿಳಿಯಿರಿ.