Jeg vil hjælpe offentlige myndigheder med at leve op til den kommende AI Act fra EU. Offentlige myndigheder skal dokumentere graden af bias i deres machine learning (ML) og artificial intelligence (AI) løsninger, men de mangler et effektivt værktøj og klare retningslinjer for, hvordan dette gøres i praksis. Jeg vil udvikle en løsning, hvor brugere kan oprette AI-projekter, uploade data samt få en automatiseret måling af bias inden for ML typerne klassifikation og regression: projektet skal i samarbejde med Lund universitet udvikle en løsning til generative modeller. Metodisk bruger vi menneske-annoterede datasæt som referencepunkt (baseline) for at påvise eventuelle skævheder i modellernes input og output – fx om datafordelingen af køn, etnicitet og alder afspejler befolkningen (input bias), og om modellen leverer retvisende resultater på tværs af grupper (output bias). Derudover skal dashboardet kunne generere en standardiseret rapport med relevante metrikker til dokumentationsformål.

Fair Match vil bidrage til en mere retfærdig og lige behandling af kandidater og arbejdspladser og gøre det lettere for kandidater at finde job og for arbejdspladser at finde kandidater. FairMatch udvikler et fairness-dashboard og kandidat/job anbefalingsalgoritmer, der tager højde for flersidet fairness, og fremmer state-of-the-art forskning inden for "fair AI". Jobindex forventer, at FairMatch vil bidrage til vækst i omsætning og markedsandele samt til øget vækst og velfærd i samfundet.