Como o YouTube ajuda a garantir que o viés nocivo não intencional seja descartado dos sistemas?
Temos pessoas do mundo inteiro que treinam nossos sistemas de pesquisa e descoberta. As diretrizes usadas são disponibilizadas publicamente. Nossos sistemas de pesquisa e recomendação não são criados para filtrar ou rebaixar vídeos ou canais com base em perspectivas políticas específicas.
Além disso, fazemos auditoria de nossos sistemas de machine learning para ajudar a garantir que o viés algorítmico não intencional, como gênero, por exemplo, seja descartado. Quando encontramos erros, eles são corrigidos e treinamos novamente os sistemas para que sejam mais precisos e atualizados.
As políticas do YouTube destinam-se injustamente a determinados grupos ou posições políticas?
Ao desenvolver e atualizar nossas políticas, ouvimos a opinião de diferentes grupos, incluindo criadores de conteúdo, especialistas no assunto, proponentes de liberdade de expressão e organizações políticas de todos os lados do espectro político.
Depois de desenvolver a política, investimos um tempo significativo para garantir que as políticas recém-desenvolvidas sejam aplicadas de maneira consistente pelas nossas equipes globais de revisores, com base em diretrizes objetivas. Antes que qualquer política seja lançada, revisores em ambiente de testes (em que decisões sobre políticas não se aplicam) precisam tomar a mesma decisão de maneira consistente. Quando há falhas, revisamos o treinamento e as diretrizes internas para garantir a clareza, e, assim, repetimos o processo. A meta é reduzir a subjetividade e o viés pessoal para conquistar alta precisão e consistência ao operar em grande escala. Somente quando atingimos um nível aceitável de precisão é que a política é lançada para o público.