Tre tips för att känna igen och motverka bias och ojämlikhet inom AI

Frida Hartman arbetar som systemutvecklare och har en bakgrund inom medieteknik och AI.

Foto: Canva och privat

Frida Hartman har ett stort intresse för hur AI påverkar existerande stereotyper och hur utvecklingen inom AI kan styras för att motverka ojämlikhet av olika slag. Det kan vara svårt att känna igen och motverka olika typer av bias när man använder och utvecklar AI. Här är tre tips på hur man kan göra det.

1. Vi ser alla världen och samhället från olika synvinklar

Den första saken man kan tänka på när det gäller bias inom AI är att vi alla har en unik upplevelse av samhället. Genom att vara medveten om sin egen position i samhället och att det finns andra grupper av människor som har olika upplevelser av samhället kan vi se till att AI blir mera rättvis och fungerar lika bra för alla. Som användare är det även bra att vara medveten om att AI lätt kan innehålla någon slags bias (även om den inte direkt påverkar en själv), och därför är den inte alltid en neutral informationskälla.

2. Diversitet bland AI-utvecklare

Eftersom vi alla är olika, uppmärksammar vi olika problem. Förutom att vara medveten om ojämlikhet är det därför viktigt att främja en arbetsplats med mycket diversitet. Ju mer diversitet det finns på en arbetsplats, desto lättare är det att biasproblem upptäcks och motverkas redan innan en produkt når marknaden. Utöver det bidrar diversitet till att inspirera andra personer av olika bakgrund till att arbeta inom branschen.

3. Jämlik data leder till bättre och mer inklusiv AI

Ett sista konkret tips gällande upptäckande och motverkande av bias är att testa algoritmer redan i utvecklingsskedet. En algoritm ska, förutom att bara vara effektiv, även fylla sitt syfte för alla de användare den riktar sig till. Därför är det viktigt att se till att den data som används för att träna AI-algoritmer inte återspeglar existerande bias och stereotyper. Data bör finjusteras och algoritmer testas för att se till att AI:n inte i värsta fall förstärker olika typer av ojämlikheter.

Genom att använda sig av dessa metoder för att upptäcka bias kan vi minska ojämlikhet inom AI. Mer inklusiv AI leder till ett mera jämlikt samhälle där alla kan utvecklas.