باختصار
انحياز التأكيد (Confirmation Bias) هو الميل للبحث عن المعلومات وتفسيرها وتفضيلها وتذكّرها بطريقة تؤكّد المعتقدات أو الفرضيات السابقة لدى الشخص.
بالتفصيل
في سياق تعلّم الآلة، المشكلة إن مطوّري النماذج قد يجمعون البيانات أو يوسمونها — دون قصد — بطرق تؤثّر على النتيجة بما يدعم معتقداتهم القائمة.
وانحياز التأكيد مصنّف كشكل من أشكال الانحياز الضمني (Implicit Bias)، أي إنه بيشتغل تحت مستوى الوعي.
وفيه صورة خاصة منه اسمها انحياز المُجرِّب (Experimenter’s Bias): وهو أن يستمرّ المُجرِّب في تدريب النماذج إلى أن تتأكّد فرضية موجودة لديه سلفًا.
الصورة دي خبيثة تحديدًا لأنها بتتنكّر في زيّ الاجتهاد. «جرّبت 40 إعدادًا لحدّ ما النتيجة بقت كويّسة» تبدو مثابرة، لكنها عمليًا بحث عن الإعداد اللي بيوافق التوقّع — مش عن الحقيقة.
والدفاعات المعروفة: تحديد فرضية ومقاييس النجاح مسبقًا وكتابتها قبل التجربة، واستخدام مجموعة اختبار محجوزة لا تُفتح إلا مرّة واحدة، وإشراك شخص لم يشارك في بناء النموذج في مراجعة الوسم.
مثال عملي
فريق مقتنع إن «العملاء اللي بيتّصلوا بالدعم أكتر بيلغوا اشتراكهم أكتر». أثناء وسم بيانات «العميل المعرّض للإلغاء»، الفريق بيميل لوسم الحالات كثيرة الاتّصال كمعرّضة، حتى في الحالات الغامضة.
النموذج بعد كده «بيكتشف» العلاقة دي بثقة عالية. لكن ما اكتشفش شيئًا عن العملاء — هو بس تعلّم قناعة الفريق من التسميات.
مصطلحات مرتبطة
- Automation Bias — انحياز الأتمتة.
- Coverage Bias — انحياز التغطية.
- Responsible AI — الذكاء الاصطناعي المسؤول.
المصادر: Google ML Glossary
