人工智能可以帮助减少偏见的广告——但它仍然是早期。

周三,IBM Watson广告和4的发布研究结果从一个为期六个月的研究项目,利用人工智能分析数据从广告委员会的“你”COVID-19疫苗教育运动。

数据集由1000万印象和超过108个变异广告创意来源于预测动态创新优化。

IBM Watson广告使用数据开发开源工具包叫做AI公平360作为孵化项目的一部分,如果人工智能和数据基础,非营利组织在支持开源的Linux基金会工作与人工智能、机器学习和深度的学习。

AI公平360使用10偏见减轻算法来衡量广告活动和与竞选有关的决策过程公平性指标超过70。对于这个应用程序,使用工具箱应用后处理偏见减轻人员可以了解如何平衡在未来类似的活动的结果。

而不是仅仅看创意或观众到达,该工具包旨在考虑数字广告生态系统的复杂性。

例如,它看起来开车过程偏差的一个广告宣传活动,重等因素为竞选广告的发展过程,出版商的方法为观众提供广告和其他政党和机器学习的过程参与供应链的工作流程。

在某些情况下,它还可以找到无意识偏见存入AI-driven解决方案。

广告委员会的“你”COVID-19活动,例如,在改革派和保守派geotargeted被进一步分为年龄组的区域。但针对广告的预测模型还考虑了教育水平、性别和收入,这是偏见的建模研究中变得明显。

原来的动态创新预测模型更积极地有针对性的广告给某些群体,包括妇女,45岁至65岁之间的人,那些受教育程度高和收入。这可能导致较低的转换其他的观众群体,比如较低的教育水平。

回顾理解偏差出现在活动的第一步使用AI建立一个更具包容性的广告生态系统。第二步是使用人工智能来帮助克服偏见隐藏在这些内部流程。

作为这项研究的一部分,研究人员试图改变运动的机器学习的预测概率预测模型基于失衡被观察到的目标标准。

组织被识别为缺医少药的运动目标,实际转化率低于.01%。这代表一个大失衡的人数没有转换和那些。

为了让偏见减轻算法更多地了解那些缺医少药的人群做了转换,研究人员的数量减少non-converters几乎等于转换器的数量。采用这种类型的惯例的情况下与一个沉重的数据不平衡可能会减轻跨多个弱势群体偏见,根据这项研究。

这种类型的缓解可以用来调整运动的目标在未来的迭代。

“我们一直玩缓解策略,我们看到一些缓解的可能性和缓解的倾向可能会提高性能,或者至少允许更广泛的受众获得模型的意图提供正确的消息,”罗伯特·雷德蒙说IBM Watson AI广告产品设计主管广告。“我们希望扩大工作,把更多的数据,这样我们可以继续证明,这些偏见存在,我们可以对付他们。”

计划展开分析,IBM的广告委员会允许更多可行的检查活动的运行数据,雷蒙德说。

为此,IBM和4 a的发出行动呼吁广告科技行业共享数据,可以帮助减轻偏见广告在未来的努力。

“这是让人们以不同的方式思考,竞选旅程,参与的人,他们试图传递,不仅谈到一些人才,但他们是如何跨企业做生意,“说4的总裁兼首席执行官玛拉Kaplowitz。

可行的,AI-driven数据处理,广告技术产业可以更能够兑现承诺,多样性,股本和包容,Kaplowitz说。

“它必须超越的意图”,她说。“我们需要开始看到的影响,必须有真正的责任。”