← heapsort-ai

AI bias

11 items

ARTICLEDEV.to AI·hace 2d

Day 49: The Unseen Layers of Building Health AI for 22+ Indian Languages

Los LLM actuales, como GPT-4, tienen dificultades con consultas médicas matizadas en idiomas indios debido a un sesgo fundamental en sus datos de entrenamiento, muy inclinados hacia el inglés. GoDavaii busca cerrar esta brecha desarrollando IA de Salud avanzada para más de 22 idiomas indios, centrándose en hacer el conocimiento médico contextualmente relevante y accesible en diversos entornos lingüísticos.

34
ARTICLEDEV.to AI·2/5/2026

The Aunty Test - what Marathi-speaking patients see when they ask Health AI in their own language

Este artículo subraya cómo la mayoría de las IAs de salud, diseñadas primero en inglés, fallan al manejar consultas médicas en idiomas locales como el maratí. Destaca la necesidad de IAs que razonen nativamente en múltiples idiomas para proporcionar orientación precisa, en lugar de depender de capas de traducción o "chapados" localizados.

27
ARTICLEDEV.to AI·25/4/2026

Fairness in Child Safety AI: Why Demographic Parity Audits Are Not Optional

Este artículo sostiene que la evaluación de la equidad, en particular la paridad demográfica, es una restricción de despliegue crítica e innegociable para los sistemas de IA en seguridad infantil. Ignorar esto perjudica a los usuarios, crea riesgos legales y socava la confianza, además de pasar por alto amenazas en grupos subrepresentados debido a datos sesgados.

27
RESEARCHarXiv CS.CL·5/5/2026

Compared to What? Baselines and Metrics for Counterfactual Prompting

Este trabajo argumenta que los efectos observados del "prompting contrafactual" en LLMs no pueden atribuirse a un factor objetivo sin considerar modificaciones de texto que preserven el significado y establezcan la sensibilidad general del modelo. La investigación muestra que las tasas de cambio de predicción al modificar el género del paciente son indistinguibles de las tasas inducidas por simples paráfrasis, sugiriendo que no se puede concluir una sensibilidad especial al género del paciente.

27
ARTICLEDEV.to AI·hace 12d

What if AI Rejected Your Code Wrongly?

El artículo explora los sesgos ocultos en las herramientas automatizadas de revisión de código con IA, cuestionando su supuesta objetividad. Destaca la preocupación de que la IA pueda rechazar código optimizado erróneamente debido a sesgos inherentes en lugar de una ineficiencia real, afectando la productividad del desarrollador.

21