التحيز وتفاوت الأداء
Bias and Unequal Performance
- شرح موضوع «التحيز وتفاوت الأداء» بلغة عملية.
- تطبيق المفهوم على سير عمل واقعي للطبيب.
- التعرف على الخطر الرئيسي المتعلق بالسلامة أو الموثوقية.
- استخدام قاعدة أمان بسيطة في الممارسة اليومية.
قد يختلف أداء الذكاء الاصطناعي بين السكان بسبب تمثيل البيانات أو القياس أو التسميات أو أنماط الوصول أو تصميم النظام. الدقة العامة لا تضمن العدالة.
Show English
AI performance can differ across populations because of data representation, measurement, labels, access patterns or system design. Fairness is not guaranteed by overall accuracy.
قد يحقق النموذج أداء عاماً جيداً لكنه يفوّت المرض بمعدل أكبر في مجموعة ناقصة التمثيل.
Show English
A model with good overall performance may miss disease more often in an underrepresented subgroup.
قد تخفي المقاييس المجمعة فروقاً ضارة بين المجموعات.
Show English
Aggregate metrics can hide harmful subgroup differences.
اطلب أداء المجموعات الفرعية ذات الصلة وافحص من تمثّل في بيانات التطوير وراقب التفاوتات الواقعية.
Show English
Ask for relevant subgroup performance, examine who was represented in development data and monitor real-world inequities.
اختر مهمة حديثة ترتبط بموضوع «التحيز وتفاوت الأداء». اكتب: المدخل، مخرج الذكاء الاصطناعي، الضرر المحتمل إذا كان خاطئاً، مصدر الحقيقة، وخطوة المراجعة البشرية.
Show English
Choose one recent task related to bias and unequal performance. Write: input, AI output, possible harm if wrong, source of truth and human review step.