对竞选目标的偏见感到好奇的营销人员可以通过通过IBM构建的免费开源工具包运行他们的媒体计划来进行测试。

使用该工具的想法被称为AI Fairness 360的广告工具包，是通过确保广告行业在竞选计划中脱颖而出，尤其是可以通过依赖数据来放大的无形类型，以保持领先地监管。segments (even a marketer’s first-party data) and black box algorithms.

IBM SVP Bob Lord表示，IBM希望推动广告行业的更多参与，因为许多公司做出了促进在竞选和消息传递方面更具包容性的承诺。

洛德（Lord）表示，IBM还希望促进跨合伙人数据共享，以更准确地研究偏见的影响和对机器学习模型的更有效培训。

IAB和首席行业增长官说，IAB计划宣扬该计划，希望该工具包在广告商中成为广告商的宝贵资源，当时消费者希望以负责任的方式支持正在开展业务并使用技术的品牌。Sheryl Goldstein。

戈德斯坦说：“作为一个行业，我们必须问我们是否对创建媒体以及对消费者进行细分和定位的方式负责。”

Goldstein补充说，IAB还认为，以行业为导向的偏见缓解工作是自我调节的有效方法，因为如果不积极解决广泛的偏见，广泛的偏见可能会引起政府行动。

MindShare全球首席执行官Adam Gerhart表示，IBM宣布该计划在一个重要时期。

他确定了两种上升趋势，这些趋势需要采取行业范围的方法来减轻AI中的偏见：对广告对世界的影响及其塑造感知的能力的欣赏，以及数据增殖的加速和自动化数据在广告应用中的加速速度。

Gerhart说：“如果我们没有开始对这两件事进行平整，那么偏见的机会继续使广告行业的持续和加速持续下去。”

Gerhart说，MindShare已开始使用该工具包在其客户的广告系列中使用该工具包来确定整个行业中常用的数据和算法中的偏见，减轻该偏见的影响并验证缓解性能对绩效的影响。Mindshare在竞选后进行了这一分析。

除了思想肖像，三角洲航空公司，WPP，4A，IAB和广告委员会还致力于该计划。

Gerhart说，一种类型的靶向偏差应该扎根的是由使用历史第一方数据训练的倾向模型引起的偏见。通过减轻对过去完成交易的受众的偏见，新的受众可能会为竞选目标开放，而这些竞选定位的模型只能看待现状。

偏置检测如何工作

为了识别并减轻广告客户和发布者用于广告定位和广告系列计划的数据集中的偏见，该工具包使用了75个公平指标和13个算法，这些算法从IBM Watson广告中源自AI偏见的先前研究。

例如，该工具包的一种算法旨在限制竞选活动的依赖对种族和性别等受保护变量的依赖。

随着越来越多的合作伙伴将工具包用于自己的偏见减轻工作，该数据将进一步培训为软件提供动力的AI。

一旦广告商组装了计划用于广告系列的所有数据，他们就可以通过工具包运行这些细节。例如，该工具包可能会发现清洁产品的活动偏向过去购买了这些产品的女性。然后，该品牌可以决定针对更多的人来减轻偏见。

该工具包并不能完全自动化偏差，但是营销人员现有的广告系列参数中盲点。经过分析，营销人员可以就目标观众和吸引这些受众的最佳方式做出更明智的决定。