Bambang menjelaskan untuk mengatasi bias dari kecerdasan artifisial memang tidaklah mudah dan sederhana.
Maka dari itu, dia menambahkan perlunya penelusuran lebih detail mengenai faktor pemicu adanya bias, apakah pada data training, algoritma maupun pengembangan kecerdasan artifisial.
Selain itu, Bambang juga mengatakan pemahaman data set, termasuk penyaluran statistik apakah data tersebut tidak seimbang maupun seimbang juga perlu diketahui.
Di samping itu, pemahaman mengenai algoritma secara matang yang dipakai dalam pembangunan model kecerdasan buatan, serta pemahaman tujuan tertentu dari pengembangan aplikasi kecerdasan tersebut.
Menurutnya, pemahaman praktik sosial untuk bidang kecerdasan buatan yang dibuat juga penting. Lalu yang dianjurkan adalah menerima masukan dari tenaga ahli yang sebaiknya eksternal dari tim pengembangan teknologi AI tersebut.
Penyimpangan kecerdasan buatan memang seringkali terjadi. Salah satunya adalah pihak Amazon yang menggunakan AI untuk pelaksanaan rekrutmen pegawai.
Pada saat proses rekrutmen timbul adanya penyimpangan, di mana teknologi AI yang dibuat lebih memilih atau merekrut laki-laki dibandingkan perempuan.***