人脸识别有歧视?识别准确率黑人比白人差很多,厂商们这样回应

泡沫雕刻机 | 2021-11-18
本文摘要:2月9日,纽约时报英语网站公开发表了一篇文章,认为现在非常受欢迎的AI应用于脸部识别,因种族而异。

2月9日,纽约时报英语网站公开发表了一篇文章,认为现在非常受欢迎的AI应用于脸部识别,因种族而异。其中,黑人女性的错误率约为21%-35%,白人男性的错误率高于1%。文章提到了MIT媒体实验室(MITMediaLab)研究员JoyBuolamwini与微软公司的科学家TimnitGebru合作的研究论文性别图像:商用性别分类技术的种族精度差异。

论文作者自由选择了微软公司、IBM、旷视(Face)3家脸部识别API,进行了性别判断的脸部识别功能测试。以下是两组精度差异仅次于的人。在一组385张照片中,白人男性的识别误差最少只有1%,肤色白的女性识别误差率约为35%的图源:纽约时报,Joybuolamwini,M.I.T.MediaLab论文的研究被命名为PilotarliamentsBenchmark。

亚博取款出款速度

在识别照片人物性别方面,论文作者测试后获得的重要发现,所有分类器在识别男性脸部的表现比女性脸部(8.1%-20.6%的错误差异)所有分类器在肤色白的人脸上表现出比肤色深的人脸(11.8%-19.2%的错误差异)所有分类器在肤色深的女性脸上表现出最好的(错误率为20.8%-34.7%左右)微软公司和IBM使用的分类器在肤色深的男性脸上表现出最差异(错误率为0%-0.3%-3%-3%的脸部训练)微软公司和自己的颜色最差异但是,微软公司在服务中指出不一定每次都有100%的准确性,Face指出了特别是在条款中没有确保准确性。关于可能的原因,时报报道回答说,现在的人工智能以数据为王,数据的优劣和多少不会影响AI智能的程度。因此,如果用于训练AI模型的数据集中在白人男性的数据比黑人女性少的话,系统对后者的识别能力就不会比前者差。

现有的数据集中在不存在的现象中,例如根据另一项研究的发现,普遍使用的人脸识别数据集中在75%是男性,同时80%是白人。忽视对此的反应,深色种族的数据集无法获得,因此稍差的另外,在使用RGB的照相机进行脸部识别时,很难找到浅色种族的脸部特征,特别是在暗光条件下也是原因。IBM对此:论文用的版本太杨家了,新版本对Buolamwini和Buolamwini提高了。

发现了这篇论文ru的这篇论文,在2月M在自己家的IBMRearch上公开发表了对此的报道。文章不是主张论文的发现,而是IBM的WatsonVisualVisualreconition服务持续改善,最近将于2月在2月在23日发售的新版服务中,比论文更普遍的数据集更普遍之后,在文章中回答IBM,Research以类似于论文的方式展开了实验。

结果表明整体的错误率很低,肤色白的女性的错误率仍然是所有人中最低的,但比论文的结果大幅度上升。忽视这一点:浅肤色种族认识错误率低是普遍现象,在商用产品中不会提高这篇论文的要求,对方给出了非常详细的答案。与此相对,首先接受论文的研究方法,同时认为研究所使用的在线API是旧版本,在商用产品中经常发生这样的问题,而且这样的问题在业界也普遍存在,不仅仅是测试的3个。

亚博取款出款速度

原因主要有两点。一是缺乏深色种子数据集,二是深色种子面部特征难以提取。以下是个全文,我们相信文章(论文)的人品不是哪个技术,基本上没有白色的中立态度,而且从文章的测试方法来看是科学的,但是文章中使用的PPB(PilotParliamentsBenchmark)的数据集中在GitHub的发表地址已经过热,所以我们现在不能自己检查文章的结论。构筑Face,在API中,研究院对不同的人种进行了检查、识别等测试。

然而,就目前国际研究水平而言,无论是在学术领域还是行业领域,肤色人种的识别都没有显示出更深的肤色(提到文章用词)。从这篇文章的测试结果可以看出,微软、IBM、Face等。

亚博取款曝顾秒到账

在肤色较深的人种识别显示中(尤其是肤色较深的女性)机器的误实率不会更高。另一方面,从人类基因和脸部识别技术的观点出发,皮肤颜色越深,基于RGB的脸部识别的可玩性越大,机器在展开脸部检查、分析、识别的过程中必须提取脸部图像的预处理和特征,因此皮肤颜色越深,脸部特征信息越不能提取,特别是在暗光的情况下另一方面,人脸识别相当依赖于数据训练,而整个行业黑色种族的训练数据量较少,因此识别结果在某种程度上不令人满意,因此文章的测试结果是行业普遍存在的现象。文章中只选择三个行业代表进行测试。

如果样品量足够大,可能不会得出其他结论。但是,根据测试结果,Face中的Face中,Face中的Face中的Face中的Face中的Face中的Face中的Face中的Face中的Face中的Face中的Face中的Face中的Face中的Face中的Face中的Face中的Face中的Face中的Face中的Face中的Face中的Face中的Face中的Face中的Face中的文章作者明确提出了很好的问题,但文章中测试的API在线版本与我们为用户获得的商业版本有关,用户在业务中有什么影响。当然,我们也相信行业内对人认识的优化有各种各样的希望。

关于Face,未来的研究院不会从几个角度改善现在的状况。例如,减少训练数据,对不同种类进行专业训练。另外,在算法水平上优化现在的流程,提高对不同种类的认识性能。

另外,视觉也在提高3D官的研究度。AI知道有种族歧视吗?据时报报道,论文作者之一的黑人女性Buolamwini在进行这项研究之前,曾经遇到过脸部识别不能识别她的脸,只有她戴着白色口罩才完成,所以她开始了这项研究。

亚博取款出款速度

显然,这项研究试图探索AI时代是否存在社会不公平和种族歧视问题。种族歧视作为一个非常脆弱的话题,很多事情只要稍微触摸一下就不会引起反感。在人脸识别方面,论文作者的研究和制造商的实验都具体找到了女性深色种族的识别误差率。

但是,这是代表AI存在于种族歧视吗?不,仔细调查其原因,肤色深的女性难以识别,除了有天然的脸部特征外,还有可以训练的数据集少的原因。从市场的角度来看,IBM和微软公司的服务在白人男性中最差,是因为其市场主要在欧美,白人占多数,忽视的主要市场在东亚和东南亚,因此在黄种人中的表现不太好,与种族歧视无关,是市场指导的技术开发。

另外,这篇论文显然表明AI的智能与训练数据有很大的关系,所以在设计AI的时候,我们应该尽量用于普遍的代表性强的数据,照顾不同的人们,同时大力说明AI的构筑原理。最后,(公共编号:)指出,这件事同时指出,希望新技术的发展能给更多的民族带来利益的尊敬,在一定程度上是脸部识别,语言、文化等各个方面。

原始文章允许禁止发布。下一篇文章发表了注意事项。


本文关键词:亚博取款出款速度,亚博取款曝顾秒到账

本文来源:亚博取款出款速度-www.guspaqpg.com