For a model to clean, parse, and self-train it’s own dataset while remaining impartial, the model needs

Đáp án đúng: "a list of bias and domain tests to run and adjust for". Một mô hình tự làm sạch, phân tích cú pháp và tự huấn luyện trên dữ liệu của chính nó rất dễ tự khuếch đại thiên lệch, vì không còn con người can thiệp ở từng bước. Để giữ được sự khách quan, nó cần một bộ kiểm thử về thiên lệch (như so sánh kết quả giữa các nhóm) và kiểm thử theo lĩnh vực (kết quả có hợp lý với kiến thức chuyên môn không) để chạy định kỳ và tự điều chỉnh khi phát hiện sai lệch. "more powerful computing algorithms to auto-scrub data" chỉ làm việc làm sạch nhanh hơn; thuật toán mạnh hơn vẫn có thể xoá nhầm hay giữ lại dữ liệu thiên lệch nếu không có tiêu chí kiểm tra. "10x the amount of data" không giải quyết gì nếu dữ liệu thêm vào mang cùng thiên lệch; nhiều dữ liệu hơn còn có thể củng cố thiên lệch. "a test for recency bias" chỉ bao một loại thiên lệch là thiên lệch gần đây, quá hẹp so với nhu cầu giữ khách quan toàn diện.