Glosář

Bias

Co je Bias?

V oblasti AI označuje bias (zkreslení) systematické zkreslení výsledků. Často pramení z nevyvážených nebo historicky zkreslených trénovacích dat, ale také z návrhu modelu nebo ze způsobu, jakým je otázka formulována. Známý příklad: nástroj pro předvýběr uchazečů, který se učí z minulých rozhodnutí o přijetí, může prohlubovat existující znevýhodnění. Ve statistice bias znamená také odchylku odhadu od skutečné hodnoty. K protiopatřením patří rozmanitá data, pravidelné audity a lidská rozhodnutí v personálních záležitostech.

Témata

  • Etika AI
  • Fairness
  • Kvalita dat

Vyzkoušet KI.ordo

Agenti, postupy a šablony v jednom pracovním prostoru – 24hodinové demo zdarma.

Spustit demo
← Všechny pojmy

Související pojmy

Diskriminace v AI

K diskriminaci v AI dochází, když systém s AI bezdůvodně znevýhodňuje lidi na základě vlastností, jako jsou pohlaví, etnický původ, věk nebo zdravotní postižení. Příčinou bývají obvykle zkreslená trénovací data, nevhodné zástupné rysy, například PSČ, nebo nedostatečné testování; známé případy pocházejí z náboru zaměstnanců a poskytování úvěrů. Protiopatřením jsou reprezentativní data, pravidelné testování férovosti, transparentnost a lidský dohled nad rozhodnutími o lidech.

  • férovost
  • zkreslení (bias)
  • +1

Trénovací data

Trénovací data jsou příklady, z nichž se AI model učí vzory: rozsáhlé sbírky textů pro jazykové modely, označené obrázky pro obrazové modely. Jejich kvalita, rozmanitost a aktuálnost do značné míry určují, jak spolehlivý a spravedlivý model je a jak aktuální budou jeho znalosti. Pro organizace je také důležité, zda poskytovatel používá k dalšímu trénování zákaznická data, která do systému zadají.

  • Data
  • Training
  • +1

Etika AI

Etika AI se zabývá morálními otázkami kolem vývoje a využívání AI: férovostí a diskriminací, transparentností a vysvětlitelností, ochranou údajů, odpovědností za chyby, bezpečností a dopady na práci a společnost. Pro organizace se konkretizuje v zásadách, posouzeních rizik, lidském dohledu a otevřené komunikaci o omezeních AI. Příklad: před zavedením nástroje pro třídění životopisů se ověří, zda neznevýhodňuje určité skupiny.

  • etika
  • Příslušnost
  • +1

Vysvětlitelnost

Vysvětlitelnost (explainable AI, XAI) popisuje, nakolik lze pochopit, proč systém s AI dospěl ke konkrétnímu výsledku. Zahrnuje metody, které ukazují, jaké vstupy rozhodnutí ovlivnily nejvíce, i praktické pomůcky, jako jsou odkazy na zdroje a protokoly. Vysvětlitelnost je důležitá pro důvěru, hledání chyb i regulaci – například když banka musí zdůvodnit, proč žádost zamítla.

  • XAI
  • Transparentnost
  • +1