AI、マシンラーニングなど、アルゴリズムに基づくテクノロジーがさまざまな分野で使用されるようになっています。しかしアルゴリズムやそのトレーニングデータにはバイアスがあり、必ずしも信頼できるとは限りません。今日紹介する記事では、このようなバイアスの問題が学習に与える影響が解説されています。

AIやマシンラーニングのようなテクノロジーは、データを解析し、パターンを特定し、情報を分類し、結果を予測することにより、学習の世界に革命をもたらす可能性を秘めています。アルゴリズムは、オンライントレーニング、パフォーマンスサポート、問題解決ツールの効率性やパーソナライズ機能を高めることができます。

しかし、そこで使われるアルゴリズムの信頼性は、そのコーディングやトレーニングデータの信頼性に依存します。トレーニングデータに十分な多様性や代表性がなければ、アルゴリズムにバイアスが入り込む可能性があります。

たとえば、アメリカの会社でマネージャートレーニングの候補者を選ぶツールを使う場合、そのツールが過去の成功者のデータを使用していれば、その大半は白人男性のものであり、マネージャー候補として最適なのは白人男性ということになってしまいます。

AIやアルゴリズムベースのテクノロジーの基盤となるコードにバイアスが含まれていたり、トレーニングデータによってバイアスが入り込むことにより、バイアスが広まってしまう可能性があります。既存のコードやライブラリの使用が普及するにつれ、再利用されるコードに含まれたバイアスが広まりつつあるようです。

元の記事：

https://www.learningsolutionsmag.com/articles/bias-in-ai-algorithms-and-platforms-can-affect-elearning/?utm_campaign=lspub&utm_medium=link&utm_source=lspub

関連記事：

『LMSの衰退、キュレーションやAIを活用した学習』

『人材開発の世界にAIが忍び寄る』

『感情に訴えかける学習（アフェクティブラーニング）とAI（合理的思考にも感情が必要）』

『AIではなくIA（知能増幅、intelligence augmentation）について考えよう』

『eラーニングのアルゴリズム的バイアスを緩和する』

AIと学習に関する記事

※このサイトに掲載されている一連の記事は、オリジナルの記事の全体または一部の概要を紹介するものです。正確なところはオリジナルの記事をご参照ください。