当前位置:新闻首页  嘉年华彩票app

嘉年华彩票app-嘉年华娱乐彩票官网

2019年11月18日 13:53:41来源:嘉年华彩票app编辑:快三彩票下载

为了在数据层就尽最大可能地剔除偏差,Joy提出,应当构建更具包容性的基准数据集。为了平衡基准数据,她列出了世界上妇女在议会所占比例最高的十个国家,其中卢旺达以超过60%的女性比例领先世界。考虑到北欧国家和少数非洲国家具有典型代表性,Joy选定了3个非洲国家和3个北欧国家,通过选择来自这些国家年轻、深肤色的个体数据来平衡数据集中的皮肤等类型。

此前,多伦多大学的研究人员Deborah Raji和麻省理工学院媒体实验室的研究人员Joy Buolamwini撰写了研究报告,指出亚马逊的Rekognition在检测图像中肤色较深的女性性别时,要比判断肤色较浅男性性别的错误率高得多。该研究成果也得到了学者们的支持,但亚马逊曾对两人撰写的这篇报告及研究方法提出过异议。

Joy提醒我们关注基准数据集的偏差。“当我们讨论面部分析技术的准确性时,是通过一系列图像或者视频测试来完成的。这些图像数据构成了一个基准,但并不是所有的基准都是平等的。”

为确保道路质量,怀化市实施市、县、乡、村四级责任体系,市局领导分区包干、县领导定点联系、乡镇负总责、村支两委抓落实,一旦出现质量问题将追责;聘请有资质的第三方公司不定期抽检、农村义务监督员天天监督施工;市、县两级政府实行一周一调度制度,确保公路建设高质量推进。

正是基于这个更平衡的数据集,他们对亚马逊、Kairos、IBM、Face++等公司的面部识别系统进行了重新评估。在2018年8月的研究中,他们发现,亚马逊和Kairos在白人男性识别工作上表现优秀,但亚马逊对有色人种的女性面孔识别的准确率很低,仅为68.6%。

毕竟,算法偏见的背后,其实是我们人类自己的偏见。参考链接:1.https://www.journalism.org/2019/05/23/men-appear-twice-as-often-as-women-in-news-photos-on-facebook/

最后,当你完成选择后,图片将呈现出能影响性别分类改变的所有区域。感兴趣的读者,可以登陆皮尤研究中心网站,自己动手完成这个小实验。传送门:https://www.pewresearch.org/interactives/how-does-a-computer-see-gender/

具体来看,在涉及经济相关的帖子中,女性面孔的平均尺寸比男性小19%,但在娱乐相关的内容中,女性面孔的平均尺寸比男性大7%。

偏差来自哪里?如果对比开发者自己声明的准确率和研究者们的研究结论,会发现一个有趣的事情:公司发布的数据和独立第三方的外部准确率总是有所出入。那么,是什么导致了这一差异?

黄通彩开车出门跑运输时,村民黄友娥也正骑着新买的电动车将孙女送到8公里外高椅小学读书。以前,因为不通车,黄友娥只能在高椅乡租房居住,好陪孙女读书。如今,水泥路修到了家门口,她改为骑车送孙女上学,既节省了开支,还能照顾家里,“方便多了”。

研究人员还测量了图像中女性面部与男性面部的大小情况(目前的技术只能捕捉人脸的大小情况,忽略了头发、珠宝和头饰等因素的影响)。结果显示,男性面孔平均占到的图像面积更大,这种差异导致图像中男性平均面部尺寸比女性大出了10%。在Facebook的图像中,这表现为男性人物能给读者带来更大的视觉冲击。

“偏见”带来了什么?最近,包括图灵奖获得者Yoshua Bengio在内的26位AI领域顶尖研究者,在一篇公开博文中要求亚马逊立即停止向警方出售其人工智能服务Amazon Rekognition。亚马逊云计算部门前首席科学家Anima Anandkumar等人也加入了这一联合呼吁。

在这个“人机博弈”的交互挑战中,你不妨也大胆猜测下,哪些部分影响了系统的判断?首先,输入一张清晰的图片到机器视觉系统,此时,不管是算法还是你,都可以清楚地判断出照片中人物的性别。接下来,照片中出现了若干方框,提示信息告诉你,“选中某一方框意味着,在图片中遮挡隐藏该部分内容,你的选择有可能影响性别判断。”

道路连通光明村乡村旅游点。湖南日报田超/摄修路的钱从哪里来?湖南省交通运输厅联合湖南省财政厅多方开源、多渠道筹集,主要来自几个方面:一是省奖补资金;二是省转贷县市的地方债;三是在省’一事一议’财政奖补资金、贫困县均衡性转移支付等省级转移支付资金中安排通组路建设专项经费;四是市州给予补助支持。同时,还通过整合发改、财政、扶贫等部门涉农资金和地方政府债券、融资、社会捐助等合法合规渠道筹措落实。

农村交通基础设施短板,当然不仅贫困村有,非贫困村同样存在。在湖南,一条条致富路,既通到了贫困户门口,也修到了非贫困户屋边。观潮君从湖南省交通运输厅了解到,2017年,湖南便启动25户100人以上自然村通水泥(沥青)路建设任务,惠及3.6万个自然村,建设总里程4.37万公里。目前已建成3.7万公里,2020年将实现全省“组组通”,没有“贫困”和“非贫困”之分。

铺下的是路,竖起的是碑,连接的是心,兼顾的是非贫困群众与贫困户群众的同步改善。唯有让全体农村群众拥有越来越美好幸福生活,才是为脱贫攻坚事业交出一份真正满意的“答卷”。

在TED演讲中,Joy和大家分享了一个小故事:在同样的光线条件下,面部识别系统只能检测到浅肤色的参与者;只有戴上白色面具,才能检测出深肤色的参与者。“在人工智能工具确定人脸的身份或者辨别表情信息前,最基本的前提是,检测出人脸。但是,面部识别系统在检测黑皮肤个体上,屡次失败。我只能安慰自己,算法不是种族主义者,是自己的脸太黑了。”Joy说道。

岭头村四周山体环抱,村内一座座侗族特色的木楼高低错落分布其中宛如一幅美丽的山水画。怀化市会同县岭头村坐落在雪峰山的西南段,以往交通不便,啥也不好卖出去,啥也不方便运进来,经济落后,是会同县的深度贫困村。

那么,是谁在“扭曲”两性?为何有时候,算法眼中的你处在可男可女的模糊地带?进一步讲,性别之外还有哪些偏见?为了应对这种状况,我们可以做些什么?人脸识别下的性别失衡皮尤的这份报告指出,在Facebook上不同类型的新闻报道中,女性在图片中的“在场”情况始终低于男性。在与经济有关的帖子中,只有9%的图片为纯女性内容,与此形成鲜明对比的是,纯男性图像占到了69%。女性在娱乐新闻图片中拥有更多展示机会,但总体上仍低于男性。

2018年,村里这条通向324省道的窄泥巴路升级拓宽成了干净整洁的水泥路,汽车驶过的滴滴声,仿佛是村民们心里满意的歌声。“这日子越过越好了。”村民肖海军高兴地说。

本文来自公众号:全媒派(ID:quanmeipai),原标题为:《人脸识别的肤色性别偏见背后,是算法盲点还是人心叵测?》,题图来自:。

媒体报道,后续推进中,这一“统建模式”在保证各市州通组公路建设不走形、不变样时发挥了重要作用。新燕村位于渌口区龙潭镇“对于施工队伍的选择,我们是通过公开招投标择优录用,那些资质高、业绩好、信誉优的国有路桥施工企业脱颖而出。事实证明,这些企业堪当大任,能打硬仗。”怀化市交通运输局相关负责人在接受《中国交通报》采访时说,在怀化,省里明确的“统一建设”模式展现出三大优势:设计施工总承包单位为大型国企,他们有较强的技术力量、信用保证以及资金实力;“统建模式”对规范项目建设标准,控制施工质量、进度与安全都有保障。

“以前很多地方连骑电动车都无法通行。”当地帮扶工作队队员李雨樽告诉观潮君,那些年岭头村没路的日子,他们走访贫困户都只能穿着雨靴翻山越岭,从一个组到另一个组,得步行一个多小时,一路下来脚上身上都沾满了泥。

机器学习的确可以极大地提高我们处理数据的效率,但与传统的计算机程序不同,机器学习遵循一系列严格的步骤,它们的决策方式在很大程度上隐而不显,并且高度依赖于用来训练自身的数据。这些特点可能导致,机器学习工具产生更难以被人理解和提前预测到的系统性偏差。

为了更好地了解这一过程中的规则,皮尤研究中心进行了一个有趣的实验,他们将自己中心工作人员的图像上传到机器视觉系统,并对图像内容进行部分遮挡,希望从中寻得规律,找到是哪些面部区域会让算法做出或改变决策。

因“组组通”而变的还有500公里外的郴州市宜章县白石渡镇车湾村。这是一个非贫困村,虽然京广铁路老线路穿村而过,但以往村民们出行,却主要依靠一条2米宽的黄泥巴路,一到下雨泥泞不堪,村民们苦不堪言,有一些人忍不住羡慕那些通了路的贫困村。

2.https://www.pewresearch.org/interactives/how-does-a-computer-see-gender/

当这些有偏差的识别系统被广泛应用到社会生活中,就可能导致更糟糕的后果。Joy Buolamwini在TED上发表题为How I"m fighting bias in algorithms的演讲

像面部识别这样的机器视觉工具,正被越来越广泛地应用在执法、广告及其他领域,对性别的识别,是其基本功能之一。

农村公路建设项目点多、线长、面广,建设监管难度大,如何保证质量?湖南省人民政府办公厅印发了《湖南省脱贫攻坚自然村通水泥(沥青)路建设实施方案》(湘政办发〔2017〕65号),明确全省通组公路建设采取“统一建设”的模式,按照省级统筹、市级组织、县负主责的原则,要求以市州为单位,零利润控制,公开招标确定一家具备资质的施工企业,由市州先与施工企业签订总体框架协议,辖区内县市区再与施工企业签订具体项目施工合同,做到统一招投标、统一签订合同、统一施工企业、统一组织推进、统一建设标准、统一施工监管等“六统一”的工作要求,确保自然村通水泥(沥青)路建设保质保量按期完成。

即便在同样的基准下,面部识别系统的准确度数字可能也会发生变化。人工智能并不完美。在这种情况下,通过提供置信度给用户更具体的判断信息是一个有用的做法。

在现实生活中,识别你周围人的性别再简单不过,但是对于计算机而言,它的工作需要经历怎样的步骤?计算机如何“看出”你的性别?“在给算法‘喂入’成千上万个图像案例后,作为一个‘成熟的算法’,面部识别系统自己就能学会如何辨别男性和女性。”这种回答虽然可以解释上文的疑问,但对于“黑箱”外的我们,可能并不容易理解这一学习过程。

亚马逊相关负责人表示,该公司使用了超过100万张面孔数据作为基准来检测产品的准确率。但是,不要被这个看起来很大的样本迷惑了。“因为我们不知道基准数据的详细人口统计学数据。没有这些信息,我们就无法判断,是否在基准选择上,就可能埋下了种族、性别或者肤色等偏见的可能。”

亚马逊的面部识别系统为奥普拉·温弗里的这张图片打上了男性标签,并给出了数据置信度Joy表示,现实世界中的脸部识别要比实验检测更为复杂和困难,他们建立的基准数据集也并非完全经受得住考验,“但这就好比跑步比赛,在基准测试中的出色表现,起码能保证你不会刚起步就摔倒。”

“多亏了‘统建模式’的实施,在保证进度的同时,道路的质量也得到了提升。我现在敢拍着胸脯对村民保证,我们修的水泥路能正常使用10年以上。”郴州市安仁县山塘村党支部书记龙下丕说。

本文来自公众号:全媒派(ID:quanmeipai)。湖南干了件啥事儿,让贫困和非贫困群众都喜笑颜开?

亚马逊面部识别系统对不同肤色、性别的测试准确度Google将这位用户的朋友识别为“大猩猩”“不管其正确性如何,面部识别技术都可能被滥用,”Joy说道。准确或者不准确地使用面部识别技术对他人的身份、面孔、性别进行分析,都可能侵犯到他人的自由。比如,不准确的识别可能会使得无辜者蒙冤,受到执法人员的无理审查,这并不是假想的情况。

从这个角度看,皮尤研究中心用一个简化的实验,展示了用于训练算法的数据是如何将隐藏的偏差、意外的错误引入到了系统结果中。研究人员表示,随着算法正在人类社会中发挥越来越重要的决策影响力,了解它们的局限、偏差具有重要意义。

不同系统对深肤色演员的识别数据不同Facebook曾宣布,在名为Labeled Faces in the Wild的数据集测试中,自己面部识别系统的准确率高达97%。但当研究人员查看这个所谓的黄金标准数据集时,却发现这个数据集中有近77%的男性,同时超过80%是白人。

在目前,包括亚马逊在内的很多科技公司尚未加入这一承诺。“根据我们的研究,贸然向执法部门或者政府机构出售面部识别系统将是不负责任的。”作为算法正义联盟创始人之一的Joy希望,在未来,更多的机构能加入到“安全面孔承诺”,能够负责任地、符合道义地为面部分析技术的发展付出行动。

为了减少对面部识别技术的滥用,算法正义联盟(Algorithmic Justice League)和隐私与技术中心(Center on Privacy & Technology)发起了“安全面孔承诺”(Safe Face Pledge)活动。

AI的种族歧视,是算法盲点还是人心叵测?

“贫困村吃撑了,非贫困村却饿得不得了”,“有一些县两个贫困村都修了路,偏偏中间夹着的非贫困村被隔过去了。”2018年年初,《半月谈》发文警示脱贫攻坚中新的发展不平衡问题,引起广泛共鸣。

皮尤研究中心的一项最新研究发现,Facebook的新闻图片中,男性出现的频率是女性的两倍,且大部分的图片是关于男性的。

3.https://medium.com/@Joy.Buolamwini/response-racial-and-gender-bias-in-amazon-rekognition-commercial-ai-system-for-analyzing-faces-a289222eeced

黄通彩曾经是岭头村有名的“贫困户”,儿子要读书,岳父和岳母身患重病,用家徒四壁来形容他家,再贴切不过了。在帮扶工作队的帮助下,黄通彩一边种植中草药,一边跑运输,不仅实现了脱贫,前段时间还购买了一辆属于自己的小车。开着崭新车停在自家门口时,黄通彩脸上笑开了花:“真是做梦也没想到能有这样一天。”

你也许会为女性身影的稀少而感到疑惑,这在一定程度上和更大的社会现实相关。比如,在关于职业足球队的新闻报道中,识别出的图像大多都是男性;在针对美国参众两院(女性占比为25%)的报道中,识别出的女性面孔当然要比男性少得多。

友情链接: