בינה מלאכותית בפועל · מעורב

הטיה, הוגנות ואחריות בשימוש במודלים

בשורה אחת: מודל משקף את מה שראה — ולכן החלטות שנוגעות באנשים דורשות בדיקה בחתכים, אדם בלולאה, ותיעוד.

איפה זה מסוכן

כל שימוש שמשפיע על הזדמנויות של אנשים: גיוס, אשראי, תמחור, קדימות בשירות, מודרציה. שם הטעות אינה אי־נוחות אלא נזק ממשי, ולעיתים גם חשיפה משפטית.

מה עושים בפועל

מדדו ביצועים בחתכים — לא רק ממוצע כללי — ובדקו אם קבוצה מסוימת מקבלת תוצאות גרועות יותר באופן שיטתי.

השאירו אדם בהחלטה הסופית, ותנו לו את המידע להחליט אחרת ולא רק לאשר.

תעדו: מה המערכת מחליטה, על סמך מה, ואיך מערערים. יכולת הסבר היא דרישה מעשית ולא פילוסופיה.

שקיפות למשתמש

אנשים צריכים לדעת שהם מקיימים אינטראקציה עם מערכת אוטומטית, ומה קורה למידע שלהם. בתחומים מוסדרים כדאי לברר את הדרישות הספציפיות עם מי שמוסמך לכך.

לעומק

בנו סט בדיקה ייעודי להוגנות עם מקרים מקבילים שנבדלים רק בפרט שאינו אמור להשפיע, וודאו שהתוצאה זהה. הריצו אותו כרגרסיה בכל שינוי מודל או הנחיה — שינוי בגרסת מודל יכול לפתוח מחדש פער שנסגר.