AI：倖存者偏見的影響

AI：倖存者偏見的影響倖存者偏見的起源

它的名字取自第二次世界大戰的一幕，當時美國軍隊試圖確保對其飛行員的保護。 她想找出飛機上的缺陷，以便更好地加固它們，而又不稱重。 因此，研究和分析了彈孔在其每個平面上的位置。 在每次降落時，陸軍都記錄了子彈的精確位置，以建立K線走勢圖。 然後看來，撞擊不是均勻分布的，主要中心化在機翼的尖端，飛機的中心和飛機的尾部。 如果通過添加屏蔽層來加強可見的暴露區域的初步結論似乎很明顯，美國數學家亞伯拉罕·瓦爾德（Abraham Wald）對此予以反駁。 據他介紹，這種撞擊的分布和隨後的解釋是不完整的：實際上，只有降落的飛機是觀察的對象，而其他由於彈丸的撞擊而落下的飛機無法進行分析。 因此，對於Wald而言，非衝擊部分需要加強。

人工智慧轉錄

倖存者的偏見現在已經轉化為人工智慧項目。 數據採集​​過程中的信息丟失是一種普遍現象，如果不監督採集過程及其性能，可能會影響自動化項目。

這種情況的主要示例是購買決策的自動化。 當買家要從多個報價中選擇一個供應商時，他們正在尋求最大程度地降低其風險和費用。 是否可以從您的選擇歷史中得出即時結論，以自動選擇最佳供應商？ 我們如何確定和評估它過去不會探索過的解決方案，其後果仍是未知的？

幸運的是，有一些方法可以解決這個難題。 例如，在使購買過程自動化時，我們可以為不同的選項分配機會得分，並偶爾測試劣勢。 因此，偶爾會收集被認為表現較差的期權的數據。 可以確保評估始終是正確的，並了解有關真實事物的更多信息。

每日時事通訊

訂閱時事通訊看到一個例子

收集的信息旨在提供給CCM Benchmark Group，以確保發送您的新聞通訊。

它們還將根據訂閱的選項使用，以用於廣告定位。

您有權訪問和更正您的個人數據，並有權在法律規定的範圍內要求將其刪除。

您也可以隨時查看定位選項。 詳細了解我們的隱私政策。

倖存者的偏見說明了鼓勵和計劃一組數據科學家與他們服務的行業之間的交易所的重要性，以便得出最佳結論並確保AI在生產中的性能。