Penelitian dari University of Texas at Austin, yang dipimpin oleh Hüseyin Tanriverdi bersama John-Patrick Akinyemi (kandidat PhD McCombs di IROM), menelaah ratusan algoritme yang sebelumnya diidentifikasi sebagai bias. Para peneliti mengambil contoh dari repositori insiden dan kontroversi algoritme AI dan membandingkan setiap algoritme bermasalah dengan algoritme serupa yang belum dituduh bias. Mereka juga menelaah organisasi yang membuat dan menggunakan algoritme itu.
Studi ini mengidentifikasi tiga faktor yang meningkatkan risiko hasil tidak adil. Pertama, kebenaran dasar yang tidak mapan — misalnya menebak usia dari foto sinar-X ketika dokter tidak punya cara mapan. Kedua, model sering menyederhanakan kenyataan dan menghilangkan variabel penting, seperti saat keputusan otomatis menggantikan kunjungan perawat sehingga beberapa orang kehilangan akses bantuan dasar. Ketiga, desain yang dibuat terutama oleh satu kelompok demografis dapat melewatkan kebutuhan kelompok lain.
Peneliti menyimpulkan bahwa mengurangi bias butuh lebih dari akurasi: pengembang harus membuka 'kotak hitam' model, mempertimbangkan kompleksitas dunia nyata, dan melibatkan input beragam. Studi ini diterbitkan di MIS Quarterly.
Kata-kata sulit
- algoritme — urutan langkah komputer untuk membuat keputusan
- bias — ketidakadilan atau kecenderungan yang tidak netral
- menelaah — memeriksa atau mengkaji dengan teliti
- repositori — tempat menyimpan data atau dokumen elektronik
- menyederhanakan — membuat sesuatu menjadi lebih sederhana
- variabel — faktor atau elemen yang dapat berubah
- demografis — ciri kelompok orang berdasarkan usia atau faktor lain
- akurasi — seberapa tepat atau benar hasil suatu model
Tips: arahkan kursor, fokus, atau ketuk kata yang disorot di dalam teks untuk melihat definisi singkat sambil membaca atau mendengarkan.
Pertanyaan diskusi
- Mengapa desain yang dibuat terutama oleh satu kelompok demografis bisa melewatkan kebutuhan kelompok lain? Berikan contoh singkat.
- Bagaimana menurut Anda pengembang bisa melibatkan input beragam dalam pembuatan model? Sebutkan satu atau dua cara.
- Apa dampak jika model otomatis menggantikan kunjungan perawat menurut teks? Jelaskan satu atau dua konsekuensi.
Artikel terkait
Serangan bot pada Instagram aktivis dan media di Balkan Barat
Pada November 2025 operasi bot menyerang akun Instagram aktivis dan media di Balkan Barat. Liputan Meta.mk pada 16 dan 23 November 2025 melaporkan taktik pengikut palsu, laporan massal, dan komentar bot yang menurunkan visibilitas.
Waktu Hari Memengaruhi Efek Kemoterapi pada Glioblastoma
Penelitian menemukan waktu hari memengaruhi respons glioblastoma terhadap kemoterapi temozolomide. Aktivitas enzim MGMT berubah sepanjang hari, dan waktu biopsi juga dapat memengaruhi penilaian metilasi tumor. Temuan ini mendorong penelitian klinis lanjut pada kronomedisin.
Peralihan Cepat ke Pembelajaran Daring dan Dampaknya pada Mahasiswa China
Studi tentang peralihan mendadak ke pembelajaran daring selama lockdown COVID-19 2020 di China membandingkan nilai mahasiswa sebelum dan selama lockdown. Hasil: nilai matematika naik, mata diskusi kurang untung, dan kebijakan lockdown memengaruhi hasil belajar.
AI Mempercepat Diagnostik Medis di Sub-Sahara Afrika
Kecerdasan buatan kini dipakai untuk diagnosis cepat di beberapa bagian sub-Sahara Afrika, termasuk deteksi malaria dan interpretasi rontgen. Proyek awal menunjukkan pengurangan pemberian antibiotik tidak tepat dan komplikasi malaria, namun regulasi dan privasi tetap penting.