Veribilimci ve Harvard mezunu Tyler Vigan "Tüm korelasyonların temel nedensel bir bağlantının göstergesi olmadığını" belirtmiştir. Bunu göstermek için Maine eyaletinde margarin tüketimi ile boşanma oranı arasında görünüşte güçlü bir korelasyon gösteren bir grafik içeriyor. Elbette bu grafik esprili bir noktaya gelmeyi amaçlamaktadır. Ancak daha ciddi bir not üzerine makine öğrenmesi uygulamaları hem insan hem de algoritmik yanlılığa ve hataya karşı savunmasızdır. Ve öğrenme ve adapte olma eğilimleri nedeniyle, hatalar ve kabarık korelasyonlar hızlı bir şekilde nöral ağ üzerinden sonuç yayabilir ve kirletebilir.
Ek bir zorluk, algoritmanın ve çıkışının insanlar tarafından açıklanamayacak veya anlaşılamayacak kadar karmaşık olduğu makine öğrenmesi modellerinden gelir. Buna "kara kutu" modeli denir ve bir algoritmanın belirli bir sonuca veya karara nasıl ve neden ulaştığını belirleyemeyeceklerini bulduklarında şirketleri riske sokar.
Neyse ki veri kümelerinin ve makine öğrenmesi algoritmalarının karmaşıklığı arttıkça riski yönetmek için kullanılabilir araçları ve kaynakları yapın. En iyi şirketler, güçlü ve güncel yapay zeka yönetim yönergeleri ve en iyi uygulama protokolleri kurarak hata ve önyargıyı ortadan kaldırmak için çalışıyorlar.
Ek bir zorluk, algoritmanın ve çıkışının insanlar tarafından açıklanamayacak veya anlaşılamayacak kadar karmaşık olduğu makine öğrenmesi modellerinden gelir. Buna "kara kutu" modeli denir ve bir algoritmanın belirli bir sonuca veya karara nasıl ve neden ulaştığını belirleyemeyeceklerini bulduklarında şirketleri riske sokar.
Neyse ki veri kümelerinin ve makine öğrenmesi algoritmalarının karmaşıklığı arttıkça riski yönetmek için kullanılabilir araçları ve kaynakları yapın. En iyi şirketler, güçlü ve güncel yapay zeka yönetim yönergeleri ve en iyi uygulama protokolleri kurarak hata ve önyargıyı ortadan kaldırmak için çalışıyorlar.