以原書 2009 年 HP MediaSmart 臉部追蹤案例說明偏差資料與測試不足如何造成不公平結果。
理解訓練／測試資料代表性與產品公平性的關係。
原書描述 Desi Cryer 與同事 Wanda 示範 HP 筆電的臉部追蹤軟體：系統能追蹤白人同事 Wanda，卻無法正確偵測黑人 Desi。HP 回應指出光線與前景對比不足是問題之一。
| 原書資訊 | 內容 |
|---|---|
| 年份 | 2009 |
| 系統 | HP MediaSmart 筆電臉部追蹤 |
| 觀察 | 對不同膚色使用者出現明顯不同偵測結果 |
| 原書解讀 | 資料／測試代表性不足可能導致偏差結果 |
從資料代表性、測試族群、環境條件與產品驗證四個角度檢查失敗原因。
原書未提供樣本數、錯誤率或準確率，因此不自行量化偏差。
公平風險可能在部署後才被看見；多元測試與資料代表性是產品品質的一部分。
根據 HP MediaSmart 案例建立一份人工智慧產品上線前的偏差測試清單；不得補造原書未提供的準確率。
問題： 只提高整體準確率是否足以解決此案例問題？
參考解答： 不足；仍需檢查不同群體與環境條件下的表現差異。