Nu finns diagrammet Bias inom maskininlärning även på svenska.
När du bygger, bedömer och utvärderar system baserade på maskininlärning är en del av ditt ansvar att förstå på vilka sätt verktyget kan bidra till skada. Var transparent med dessa frågor och visa att påtaglig, djupgående analys krävs för att problemen ska kunna avslöjas och hanteras.
Ibland blir svaret att ett verktyg baserat på maskininlärning inte är rätt verktyg för jobbet. Detta måste man förstå tidigt, innan människor kommer till skada.
Jag skickade inte ut detta inlägg som nyhetsbrev (det kändes lite för “tekniskt”) men jag kommer att referera till det framöver, bland annat i kommande inlägg om myndigheter och dataskuggor, som triggades av avslöjandet om hur Försäkringskassans algoritm både diskriminerar och hemlighålls.
Prenumerera här: https://per.ax/pren