Syntho remporte le Gender Bias Challenge de l'Unesco à Vivatech 2021 en France
Nous sommes heureux d'être annoncés comme gagnants à VivaTech 2021 pour le défi de l'UNESCO sur les préjugés sexistes. Syntho : « biais in = biais out » et nous proposons de résoudre les déséquilibres dans les données d'entrée en les équilibrant avec des données synthétiques intelligentes. À VivaTech, nous avons présenté notre toute nouvelle « fonctionnalité d'équilibrage des données », l'une de nos nouvelles valeurs ajoutées fonctionnalités de données synthétiques, qui fait passer vos données au niveau supérieur !
Une introduction à VivaTech, l'UNESCO et le défi des préjugés sexistes
Qu'est-ce que VivaTech ?
VivaTech est le plus grand événement de startup et de technologie d'Europe organisé du 16 au 19 juin 2021. Cette année, l'organisation a organisé une expérience hybride due à COVID, en personne à Paris et en ligne dans le monde entier, qui rassemble une communauté encore plus large d'innovateurs.
- Plus d'informations peuvent être trouvées sur: www.vivatechnologie.com
Qu'est-ce que l'UNESCO ?
L'UNESCO est l'Organisation des Nations Unies pour l'éducation, la science et la culture. L'UNESCO défend la liberté d'expression et l'accès à l'information, en tant que droit fondamental et condition essentielle de la démocratie et du développement. Servant de laboratoire d'idées avec l'innovation numérique en son cœur, l'UNESCO aide les pays à développer des politiques et des programmes qui favorisent la libre circulation des idées et le partage des connaissances pour relever les défis mondiaux et assurer un développement durable pour tous.
- Plus d'informations peuvent être trouvées sur: www.unesco.org
Quel est le défi des préjugés sexistes ?
Le défi des préjugés sexistes vise à réduire la fracture numérique entre les sexes en exposant les préjugés dans l'IA. L'IA se nourrit d'ensembles de données biaisés, amplifiant les préjugés sexistes existants dans nos sociétés. Les preuves montrent que d'ici 2022, 85 % des projets d'IA produiront des résultats erronés en raison de biais si l'IA en tant que technologie et en tant que secteur n'est pas plus inclusive et diversifiée. Comment pouvons-nous nous assurer que les ensembles de données sont plus diversifiés ? L'UNESCO recherche des solutions innovantes qui visent à réduire la fracture numérique entre les sexes en exposant les préjugés dans l'IA.
Notre solution gagnante : résoudre les déséquilibres dans les données d'entrée en les équilibrant avec des données synthétiques intelligentes
Le défi selon nous : bias in = bias out
Le rapport fondateur de l'UNESCO de 2019 a montré que les outils d'assistant vocal alimentés par l'IA comme Alexa et Siri perpétuaient des stéréotypes nocifs et que les abus sexistes dirigés contre la technologie « féminisée » étaient même anticipés par les entreprises technologiques.
Dans cet exemple de l'UNESCO, s'il y a un certain biais dans les données, cela entraînera des biais injustifiés dans la sortie. D'où notre affirmation : 'bias in = bias out'. Et dans l'exemple partagé, les développeurs étaient apparemment déjà au courant de certains déséquilibres et biais dans les données. Alors, comment surmonter cela?
Notre solution : génération intelligente de données synthétiques pour atténuer les biais de données
Nous devons rééquilibrer l'ensemble de données pour résoudre les problèmes de biais de données qui pourraient conduire à une discrimination dans les algorithmes. Comment fonctionne notre solution. Dans cet exemple, il y a un biais et un déséquilibre dans les données. Là où nous attendons 50 % d'hommes et 50 % de femmes, nous ne voyons que 33 % de femmes et 66 % d'hommes. Nous pouvons résoudre ce problème en générant des enregistrements de données synthétiques supplémentaires pour les femmes ou les hommes pour équilibrer l'ensemble de données à 50 % d'hommes et 50 % de femmes afin d'atténuer les biais et les déséquilibres dans les données qui pourraient entraîner une discrimination. C'est ainsi que nous résolvons les biais de données. Nous résolvons le problème par ses racines. Nous résolvons le défi 'bias in = data bias out'.
Les données sont synthétiques, mais notre équipe est réelle !
Contacter Syntho et un de nos experts prendra contact avec vous à la vitesse de la lumière pour explorer la valeur des données synthétiques !