Un istituto di credito sta sviluppando una soluzione di IA generativa per offrire sconti ai nuovi richiedenti e vuole minimizzare i bias che potrebbero influenzare negativamente alcuni clienti. Quali azioni dovrebbe intraprendere? (Scegliere due.)

Per minimizzare i bias, è fondamentale rilevare squilibri o disparità nei dati di addestramento. I bias nei dati si riflettono direttamente nel comportamento del modello, portando a risultati iniqui. Valutare il comportamento del modello è altrettanto cruciale per identificare e mitigare i bias. La trasparenza verso gli stakeholder, basata su questa valutazione, consente di spiegare come il modello prende decisioni e di affrontare eventuali preoccupazioni etiche. Eseguire il modello frequentemente o assicurarsi che il tempo di inferenza rientri nei limiti accettati sono aspetti operativi, non direttamente legati alla mitigazione dei bias. La metrica ROUGE è utilizzata per valutare la qualità del testo generato, non per garantire l'accuratezza del modello in termini di bias o per raggiungere il 100% di accuratezza, che è spesso irrealistico.