Un estudio realizado por investigadores de la Universidad de Queensland ha profundizado en las diferencias entre las anotaciones visuales generadas por humanos y las generadas por modelos de aprendizaje automático (ML) en un intento de dirigir el sesgo en modelos predictivos de ML. Con el uso constante de datos anotados por humanos para entrenar estos modelos, se ha planteado cómo las modalidades de anotación por máquinas pueden aportar una mayor neutralidad, prescindiendo de los sesgos humanos inherentes. Los hallazgos arrojaron que las anotaciones generadas automáticamente son destacablemente útiles, especialmente en categorías en las cuales se requiere discriminar entre acciones e ingresos socioeconómicos.