Улучшения возможны, но для этого нужна проактивность
Алгоритмы машинного обучения нередко несправедливы из-за перекосов в обучающих данных: распознавание лиц у IBM, Microsoft и Megvii ошибалось на темнокожих женщинах в сотни раз чаще, чем на белых мужчинах. Столкнувшись с этим, легко впасть в выученную беспомощность. Но пример исследовательницы показывает обратное: вместо смирения она написала производителям, и IBM за недели улучшила распознавание в десятки раз — изменения возможны, но требуют проактивности.