数据结构与算法的基本概念

2019年，《科学》杂志的一项研究表明，保险公司和医院使用的医疗保健预测算法最有可能在确定高风险护理管理计划的同时将黑人患者拒之门外。该计划的动机是培训初级保健和护理人员以监测慢性病患者，以降低严重并发症的发生率。但是，该算法建议白人患者，而黑人患者则处于高风险中。此算法包含一些因素，使其代表这样的结果，包括保险，低收入，医疗保健等。

研究发现，该算法使用医疗保健支出作为确定个人医疗保健需求的代理。但是根据《科学美国人》的报道，较病的黑人患者的医疗保健费用与较健康的白人的医疗费用相当，这意味着即使他们的需求更大，他们的风险评分也较低。

该研究的研究人员认为，可能有一些因素在起作用。首先，有色人种的收入较低的可能性更高，即使有保险，也可能使他们获得医疗服务的可能性降低。内隐的偏见也可能导致有色人种获得较低质量的护理。

5. Target 分析程序侵犯了隐私
 

在2016年，微软使用Twitter交互来训练Chatbot机器学习算法，结果证明这是一场灾难。AI聊天机器人Tay是根据具有自然语言处理和机器学习功能的少女角色开发的，但最终发现超过95,000条推文，表明他们是厌恶，种族主义和反犹太人的推文。

微软研究与孵化公司副总裁彼得·李(Peter Lee)表示："对于泰伊(Tay)的无意冒犯性和令人发指的推文，我们深表歉意。这些推文并不代表我们是谁，我们代表什么，也不代表我们如何设计泰伊(Tay)。事件发生后，在Microsoft官方博客上的帖子中写道。

机器学习和人工智能如何改变电子商务的面貌?|数据驱动…如今，这家电子商务开发公司整合了先进技术，将客户体验提升到了一个新的高度……

4. 医疗算法忽略了黑人患者
 

最后的想法

没有完美的数据可视化工具。这就是为什么最好充分利用其中的2或3个优势，因为它们相互补充。

现在，您知道了8种新工具，无需编写任何代码即可创建出色的交互式数据可视化。一旦掌握了其中的一些，我建议您以自己喜欢的编程语言使用数据可视化库来进一步自定义图表。

如果您使用Python编写代码，请查看本文以了解如何使用Plotly，Seaborn和Matplotlib进行出色的可视化。
 

亚马逊在其招聘流程中使用基于AI的招聘工具，该工具可以轻松筛选成千上万张简历和个人资料，以找到最适合该职位的候选人，同时给出1到5的评分。该工具的缺点是训练数据集基于AI的工具中使用的大多数男性候选人。因此，该系统对女性申请人和首选男性申请人进行了处罚。

该公司试图编辑该工具以使其中立，但最终决定不能保证它不会学习其他分类候选人的歧视性方式，从而结束了该项目。

3. 训练有素的微软对话机器人发出种族主义推文

（编辑：桂林站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!