IBM lancerer verdens største datasæt for ansigtsanalyse

Samfundet lægger mere opmærksomhed end nogensinde på spørgsmålet om bias i kunstige intelligenssystemer, og især dem, der bruges til at genkende og analysere billeder af ansigter. Hos IBM, vi tager følgende handlinger for at sikre, at ansigtsgenkendelsesteknologi er bygget og trænet ansvarligt:

(1) Et af de største problemer, der forårsager bias inden for ansigtsanalyse, er manglen på mangfoldige data at træne systemer på. Så, dette efterår, vi vil gøre offentligt tilgængeligt følgende som et værktøj til teknologiindustrien og forskningssamfundet:

1. Et datasæt for ansigtsattribut og identitetstræning med over 1 million billeder for at forbedre uddannelse i ansigtsanalysesystem bygget af IBM Research -forskere. Det er kommenteret med attributter og identitet, udnyttelse af geo-tags fra Flickr-billeder til at balancere data fra flere lande og aktive læringsværktøjer for at reducere prøveudvælgelsesbias. I øjeblikket, det største tilgængelige datasæt for ansigtsattributter er 200, 000 billeder, så dette nye datasæt med en million billeder vil være en monumental forbedring. Derudover datasæt, der er tilgængelige i dag, omfatter kun attributter (hårfarve, ansigtshår, osv.) eller identitet (der identificerer, at 5 billeder er af samme person) - men ikke begge. Dette nye datasæt ændrer det for at skabe en enkelt mulighed for at matche attributter til en person.
2. Et datasæt, der omfatter 36, 000 ansigtsbilleder – ligeligt fordelt på tværs af alle etniciteter, køn, og alder til at give et mere mangfoldigt datasæt, som folk kan bruge til evaluering af deres teknologier. Dette vil specifikt hjælpe algoritmedesignere med at identificere og adressere bias i deres ansigtsanalysesystemer. Det første trin i håndteringen af ​​bias er at vide, at der er en bias - og det er, hvad dette datasæt vil muliggøre.

(2) Tidligere i år, vi øgede nøjagtigheden af ​​vores Watson Visual Recognition -service væsentligt til ansigtsanalyse, som viste et næsten ti gange fald i fejlprocenten for ansigtsanalyse. Og, vi fortsætter med at drive løbende forbedringer. Der afholdes en teknisk workshop (af IBM Research i samarbejde med University of Maryland) for at identificere og reducere bias i ansigtsanalyse den 14. september, 2018 i forbindelse med ECCV 2018. Resultaterne af konkurrencen ved hjælp af IBM ansigtsbilleddatasættet vil blive annonceret på workshoppen. Desuden, vores forskere fortsætter med at arbejde med en bred vifte af interessenter, brugere og eksperter til at forstå andre skævheder og sårbarheder, der kan påvirke AI-beslutningstagning, så vi kan fortsætte med at gøre vores systemer bedre."

AI har betydelig magt til at forbedre den måde, vi lever og arbejder på, men kun hvis AI-systemer udvikles og trænes ansvarligt, og producere resultater, vi har tillid til. Sørg for, at systemet er trænet i afbalancerede data, og at slippe af med skævheder er afgørende for at opnå en sådan tillid.

Efterhånden som adoptionen af ​​kunstig intelligens øges, spørgsmålet om at forhindre bias i at indgå i AI -systemer stiger forrest. Vi mener, at ingen teknologi - uanset hvor nøjagtig - kan eller bør erstatte menneskelig vurdering, intuition og ekspertise. Styrken ved avancerede innovationer, ligesom AI, ligger i deres evne til at forstærke, ikke erstatte, menneskelig beslutningstagning. Det er derfor afgørende, at enhver organisation, der bruger kunstig intelligens – inklusive visuel genkendelse eller videoanalysefunktioner – træner de teams, der arbejder med den, til at forstå bias, herunder implicit og ubevidst skævhed, holde øje med det, og ved, hvordan man adresserer det.

Som en virksomhed, der fører til at drive mangfoldighed og inklusion i erhvervslivet, enhver form for forskelsbehandling strider imod IBMs værdier. Vi er dybt engagerede i at sikre, at AI -teknologier udvikles uden forudindtagelse.

I mere end et århundrede, IBM har ansvarligt indvarslet revolutionerende teknologier i verden. Vi er dedikerede til at levere AI-tjenester, der er bygget ansvarligt, er upartiske og kan forklares. Vores virksomhed er blevet styret af et sæt tillids- og gennemsigtighedsprincipper, hvilket inkluderer vores faste overbevisning om, at virksomheder, der fremmer AI, har et ansvar for at behandle spørgsmålet om bias frontalt. Og vi arbejder løbende på at evaluere og opdatere vores tjenester, fremme dem på en måde, der er pålidelig og inklusiv.