Article

Gérez les biais de l’IA au lieu d’essayer de les éliminer

Pour gérer les biais intégrés dans les données d’IA, les entreprises peuvent adopter une approche en trois étapes.

Sian Townson

MIT Sloan Management Review, 2023

Obtenir l'article

Lire ou écouter hors ligne

Amazon Kindle

1×

Войдите, чтобы прослушать аудиоверсию краткого изложения.

Classement éditorial

Мы составляем краткие изложения книг*, помогающих читателям разбираться в законах современного мира и менять его к лучшему. Материалы, которые мы отбираем для нашей библиотеки, должны отвечать по крайней мере одному из наших двух основных критериев:

Информативно. – Вы получите такую информацию, которая позволит вам более взвешенно и эффективно принимать решения.

Полезно. – Вы получите такие практические советы, которые помогут вам лучше делать то, чем вы занимаетесь.

Каждому материалу мы присваиваем рейтинг от 1 до 10 на основе этих двух критериев. Наш рейтинг поможет вам распределить книги в вашем списке для чтения по шкале от добротных (5) до выдающихся (10). По книгам, которые мы оцениваем ниже 5, краткие изложения не составляются. Вот что означают цифры рейтинга:

10 – Великолепно. Полезная и/или информативная книга, которая, помимо соблюдения высочайших стандартов во всех отношениях, выделяется даже среди лучших книг. Как правило, это книга, сразу ставшая классикой, которую должен прочитать каждый.
9 – Отлично. Полезная и/или информативная книга, очень хорошо организованная и написанная, имеющая множество достоинств и не имеющая недостатков, которые заслуживали бы упоминания.
8 – Очень хорошо. Полезная и/или информативная книга, которая имеет много важных достоинств, но при этом не может быть названа выдающейся: например, освещает последние открытия в своей области и написана известным специалистом, но в отношении стиля оставляет желать лучшего.
7 – Хорошо. Полезная и/или информативная книга, имеющая два и более важных достоинства: например, очень увлекательно рассказывающая о новых идеях в какой-то предметной области.
6 – Достойно внимания. Полезная и/или информативная книга, которая обращает на себя внимание по крайней мере каким-то одним аспектом, например четкой организацией материала.
5 – Добротно. Полезная и/или информативная книга, несмотря на очевидные недостатки. Например, в одной области автор может давать разумные советы, а в других или содержится много повторов, или нет ничего особенно ценного.

*getAbstract работает не только с книгами. Мы составляем краткие изложения всех видов контента, которые могут быть полезны нашей аудитории: помимо книг это статьи, отчеты, видео и подкасты. То, что мы говорим здесь о книгах, относится ко всем видам материалов, которые мы пересказываем.

Caractéristiques

Approche scientifique
Pratique
Vu de l'intérieur

Рейтинг помогает вам понять, какова ценность книги в соответствии с двумя нашими основными критериями. Но он ничего не сообщает о ее конкретных особенностях. Поэтому мы используем набор из 20 характеристик, которые призваны прояснить, в чем именно состоят достоинства книги.

Практические советы – вы получите рекомендации, которые практически осуществимы на вашем рабочем месте или в повседневных ситуациях.
Аналитический подход – вы поймете внутренние взаимосвязи и закономерности в рассматриваемой проблеме.
История вопроса – вы узнаете об истории и контексте проблемы, что позволит вам правильно провести анализ или совершить хорошо взвешенный шаг.
Особое мнение – вы познакомитесь с аргументами, которые расходятся с преобладающей в настоящий момент точкой зрения.
Подробное освещение – вы увидите все аспекты предмета, описанные исчерпывающим образом.
Конкретные примеры – вам предложат практические советы, которые иллюстрируются рассказами об их применении на практике.
Выразительный язык – вы получите удовольствие от мастерски написанного текста или речи, являющейся образцом ораторского искусства.
Увлекательно – вам будет трудно оторваться от текста или аудио.
Неизвестные факты – вы узнаете об удивительных фактах или умозаключениях.
Начальный уровень – информация будет для вас полезной, если вы новичок, у которого нет знаний по данной теме или опыта.
Продвинутый уровень – информация или рекомендации будут полезны вам как специалисту.
Острая проблема – вы окажетесь в гуще спора по поводу одного из насущных вопросов современности.
Новаторская концепция – вы узнаете о свежих идеях, концепциях, новых продуктах или тенденциях.
Рассказ инсайдера – вы познакомитесь с мнением человека, который имеет особый доступ к сведениям по обсуждаемой теме.
Источник вдохновения – вам захочется сразу же опробовать на практике то, о чем вы прочитали.
Обзор – вы получите общее описание предмета с упоминанием всех основных моментов.
Научные данные – вы узнаете о цифрах и фактах, подкрепленных научными исследованиями.
Взгляд в будущее – вы познакомитесь с авторской картиной будущего и тем, как оно может на вас повлиять.
Четкая структура – хорошая организация материала значительно облегчит вам восприятие концепции или применение рекомендаций на практике.
Спорно – вы познакомитесь с любопытными, но неоднозначными выводами.

Commentaires

Les entreprises se tournent de plus en plus vers les systèmes d’IA pour automatiser leurs processus, l’analyse des données et les interactions avec les employés et les clients. De ce fait, l’équité est devenue un problème épineux. En effet, les systèmes d’IA reflètent et perpétuent intrinsèquement les biais omniprésents dans les ensembles de données – un défaut qui n’a pas de solution mathématique. De manière succincte et concrète, Sian Townson, experte en gouvernance des risques liés à l’IA, recommande une approche en trois phases pour gérer les biais insurmontables des systèmes d’IA.

Résumé

Les systèmes d’IA perpétuent inévitablement les biais.

Les systèmes d’intelligence artificielle (IA) font des généralisations à partir des données existantes et, comme les données historiques sont biaisées, l’IA répercutera et perpétuera ces biais. Les biais liés à l’IA s’expliquent en partie par la disponibilité généralement limitée de données pour les groupes minoritaires. Les résultats de l’IA seront donc moins précis pour les membres de ces groupes. Cela pose des problèmes en ce qui concerne les algorithmes utilisés pour les traitements médicaux, les décisions d’octroi de crédit, la détection des fraudes, le marketing et le contenu textuel.

Aucune méthode ne peut empêcher l’IA de perpétuer les biais des données historiques. Cela est mathématiquement impossible. L’IA excelle dans la découverte de modèles, et les biais sont trop profondément...

À propos de l’auteur

Sian Townson est spécialiste en matière de risques liés à l’IA et de cadres de gouvernance. Elle est titulaire d’un doctorat en modélisation mathématique de l’université d’Oxford. Elle travaille actuellement en tant qu’associée pour le cabinet de conseil mondial Oliver Wyman.