Novo método estatístico corrige viés de IA em modelos econômicos. Um estudo recente apresenta uma técnica que corrige erros de estimativa causados pela inteligência artificial em análises econômicas.

A pesquisa, intitulada 'Estimação de Viés de Características Aprendidas por Máquinas em Modelos Econômicos', foi publicada no SSRN Electronic Journal e foi co-autoria de Nikhil Malik, professor assistente de marketing e tecnologia empresarial da Escola de Negócios Tepper da Universidade Carnegie Mellon, e Max Wei, professor associado de marketing da Escola de Negócios Marshall da Universidade da Califórnia do Sul.

Com o aumento do uso de modelos de visão computacional e linguagem pré-treinados para substituir a entrada manual de dados, erros de extração frequentemente introduzem viéses nas análises subsequentes. Isso torna particularmente complexo medir o impacto econômico de características principais em imagens ou textos, enquanto características periféricas podem distorcer esses resultados.

O estudo demonstra que a inteligência artificial depende frequentemente de características periféricas para identificar características principais, o que constitui uma grande fonte de viés em análises subsequentes.

Para corrigir esses viéses estruturais, os pesquisadores desenvolveram um segundo modelo de aprendizado de máquina para corrigir o primeiro modelo que extrai características principais de imagens e textos. Este segundo modelo aprende como as características periféricas podem afetar a extração das características principais pelo primeiro modelo. Ao combinar cuidadosamente os dois modelos de aprendizado de máquina com modelos econômicos subsequentes, o algoritmo obtém estimativas imparciais em uma ampla gama de modelos econômicos.