Er zijn verschillende bronnen  van vooroordelen in data,  van bias in data, die kunnen leiden tot systemen  die mensen nu, en misschien ook in de toekomst,  ongelijk behandelen of uitsluiten Een eerste bron van bias  is dat de data die gebruikt wordt  historische data is, dus data uit het verleden. Data uit het verleden die niet representatief zijn voor de verschillende bevolkingsgroepen nu. Als je systemen traint op historische data die ongelijkheid en bias bevat,  kunnen systemen die ongelijkheden  en biases meenemen in de toekomst..