EP19 | AI 也有刻板印象？預測結果的偏誤是什麼？

Macro Lab｜總經實驗室 EP19 | AI 也有刻板印象？預測結果的偏誤是什麼？ 本集《Macro Lab 總經實驗室》帶你直擊 AI「黑盒子」 中的偏見陷阱──從招募工具篩掉女性履歷，到預測式警務強化種族歧視，再到金融、醫療決策的結構性不公。以經濟學視角拆解 資料收集 → 標註 → 模型訓練 → 部署回饋 四大階段的失誤點，告訴你偏見如何被放大成資源錯置與社會不平等。 Chin 帶你深入演算法治理核心思考：在 AI 普及時代，如何用制度與教育守住「公平」與「效率」的雙重底線？ 1️⃣ 資料偏誤 × 招募歧視 [2:19] 選擇偏差讓女性工程師履歷被大幅剔除，揭露資料樣本失衡的威力。 2️⃣ 預測式警務 × 回饋迴圈 [3:17] 歷史逮捕數據 → 更多警力進駐少數族裔社區 → 再度拉高逮捕率，形成惡性循環。 3️⃣ 模型訓練 × 性別刻板 [5:44] 最大化平均正確率犧牲少數族群精準度，Amazon 招募工具最終下架成前車之鑑。 4️⃣ 部署監控 × 公平治理 [7:45] 跨領域團隊、演算法稽核、可解釋 AI 與教育革新，打造「靈活監管 + 產業自律 + 公民監督」三重防線。 🎯 為何一定要聽？ 一次掌握 AI 偏見的成因與真實案例，快速建立風險雷達。 宏觀洞察 ：從經濟效率到所得分配，演算法偏見如何侵蝕整體生產力。 實務對策 ：資料多元化、Fairness Metrics、Model Cards、Explainable AI 全攻略。 關鍵詞速查 ：Selection Bias、Feedback Loop、Algorithm Audit、Explainable AI、Governance Sandbox。 🔔 立即收聽 → 訂閱 Macro Lab，掌握 科技 × 經濟 × 社會 交匯最前線！ 👍 按讚＋分享，加入 IG @amateur_economists | Medium｜每天早上更新 通勤咖啡 10 分鐘，洞悉世界動能。 Macro Lab: Macroeconomics decoded for builders and doers—because the big picture drives better business. -- Hosting provided by SoundOn