حذف تبعیض جنسیتی از هوش مصنوعی!
شرکت آی. بی. ام گفته است قصد دارد طی یک ماموریت تبعیض جنسیتی را از سیستم های تشخیص چهره مبتنی بر هوش مصنوعی حذف کند. – به گزارش سایت قطره و به نقل ازایسنا و به نقل از گیزمگ، امروزه ارزش هایی که در مورد ساخت سیستم های هوش مصنوعی گرفته می شود بر زندگی […]
شرکت آی.
بی.
ام گفته است قصد دارد طی یک ماموریت تبعیض جنسیتی را از سیستم های تشخیص چهره مبتنی بر هوش مصنوعی حذف کند.
– به گزارش سایت قطره و به نقل ازایسنا و به نقل از گیزمگ، امروزه ارزش هایی که در مورد ساخت سیستم های هوش مصنوعی گرفته می شود بر زندگی انسان ها تاثیرگذار است.
به همین منظور اخیرا شرکت “ماشین آلات بین المللی کسب و کار”(آی.
بی.
ام) در مورد حذف تبعیض جنسیتی و اصلاح داده های نامناسب و مفروضات ناقص سیستم های تشخیص چهره مبتنی بر هوش مصنوعی که سبب افزایش نگرانی بسیاری از افراد شده است، تصمیماتی گرفته است.
آی.
بی.
ام برای حل این مشکل اخیرا در حال توسعه یک ابزار مبتنی بر هوش مصنوعی به نام “Fairness 360” است.
“کاش آر وارشنی”(Kush R.
Varshney) پژوهشگر هوش مصنوعی آی.
بی.
ام در مصاحبه با پایگاه خبری گیزمگ گفت: ابزار مذکور دارای چندین جز است.
کار نخست این ابزار بررسی تبعیض جنسیتی است، دومین کارکرد آن بررسی این است که این اتفاقات چگونه رخ می دهند و این رخدادها در نظر کاربران چگونه است و کار نهایی آن اصلاح داده های غلط الگوریتم ها است.
وارشنی در ادامه گفت: کار اصلی ابزاری که ما توسعه داده ایم این است که به آسانی تبعیض های جنسیتی را مورد بررسی قرار می دهد.
الگوریتم مذکور شامل 10 الگوریتم مختلف برای حذف یا کاهش تبعیض های جنسیتی است.
این الگوریتم ها به سه دسته تقسیم می شوند.
یک گروه داده ها را از قبل پردازش می کنند تا اطمینان حاصل شود که عملکرد سیستم های تشخیص چهره برای تمامی افراد یکسان است.
مرحله بعد، تنها پردازش داده ها است که شامل ساختن محافظ های الگوریتمی برای برداشتن تبعیض های جنسیتی داده ای می باشد.
درنهایت پژوهشگران اظهار کردند هدف آنها از توسعه این ابزار طراحی یک سیستم هوش مصنوعی است که الگوریتم های آن عملکردی بدون تعصب و کاملا بیطرف داشته باشند.
انتهای پیام
کلید واژه ها: تبعیض جنسیتی – مصنوعی – توسعه – تشخیص – چهره – اصلاح – بین المللی – هایی – انسان ها – نامناسب – مصاحبه – افزایش – انسان – ایسنا – محافظ – گزارش – زندگی – طراحی – ناقص – کاهش – مشکل