Biais
Explorez 10 termes d'IA dans Bias
Biais algorithmique
Le biais algorithmique désigne une discrimination systématique et injuste dans les processus de prise de décision algorithmique.
Biais d'ancrage (IA)
Le biais d'ancrage en IA fait référence à la tendance cognitive à s'appuyer fortement sur la première information rencontrée.
Biais d’exposition
BELe biais d'exposition fait référence à la tendance des algorithmes à favoriser les données surreprésentées dans les ensembles d'entraînement, ce qui affecte la performance du modèle.
Amplification des biais implicites
L'amplification implicite des biais fait référence au renforcement involontaire des biais existants dans les systèmes d'IA.
Biais de label
Le biais de label fait référence aux erreurs systématiques dans l'étiquetage des données qui peuvent affecter la performance du modèle d'IA.
Biais d'apprentissage
Le biais d'apprentissage fait référence aux erreurs systématiques dans les modèles d'IA dues à des données d'entraînement biaisées ou à des choix de conception.
Mesure du biais
La mesure du biais consiste à évaluer l'équité et l'impartialité des systèmes d'IA dans les processus de décision.
Biais du modèle
Le biais du modèle se produit lorsqu'un modèle d'IA génère des erreurs systématiques en raison de données d'entraînement biaisées ou d'hypothèses erronées.
Biais de surestimation
Overestimation Bias is the tendency to overrate one's abilities, knowledge, or predictions.
Classe surreprésentée
Une classe surreprésentée en IA désigne une catégorie apparaissant plus fréquemment dans les données que d’autres, impactant le biais du modèle.