Een kredietverstrekker bouwt een generatieve AI-oplossing om nieuwe aanvragers kortingen aan te bieden en wil bias minimaliseren die sommige klanten negatief zou kunnen beïnvloeden. Welke acties moeten ze ondernemen? (Kies twee.)

Om bias te minimaliseren, is het essentieel om eerst onevenwichtigheden of verschillen in de trainingsgegevens te detecteren. Ongebalanceerde gegevens kunnen leiden tot een model dat bepaalde groepen over- of ondervertegenwoordigt, wat resulteert in bevooroordeelde uitkomsten. Ten tweede is het evalueren van het gedrag van het model cruciaal om te begrijpen hoe het beslissingen neemt en om eventuele onbedoelde bias te identificeren. Dit stelt het bedrijf in staat transparantie te bieden aan belanghebbenden en verantwoording af te leggen. Het frequent uitvoeren van het model garandeert geen bias-reductie. De ROUGE-metriek is geschikt voor tekstgeneratie en niet direct voor het meten van bias in kortingsaanbiedingen, en 100% nauwkeurigheid is zelden haalbaar of noodzakelijk. De inferentietijd is belangrijk voor operationele efficiëntie, maar draagt niet direct bij aan het minimaliseren van bias.