ਯੂਨੈਸਕੋ ਦੀ ਲਿੰਗ ਪੱਖਪਾਤੀ ਚੁਣੌਤੀ ਲਈ VivaTech 2021 ਵਿੱਚ ਜੇਤੂ ਵਜੋਂ ਐਲਾਨ ਕੀਤੇ ਜਾਣ 'ਤੇ ਅਸੀਂ ਖੁਸ਼ ਹਾਂ। Syntho: “bias in = bias out” ਅਤੇ ਅਸੀਂ ਇਨਪੁਟ ਡੇਟਾ ਵਿੱਚ ਅਸੰਤੁਲਨ ਨੂੰ ਬੁੱਧੀਮਾਨ ਸਿੰਥੈਟਿਕ ਡੇਟਾ ਨਾਲ ਸੰਤੁਲਿਤ ਕਰਕੇ ਹੱਲ ਕਰਨ ਦਾ ਪ੍ਰਸਤਾਵ ਕਰਦੇ ਹਾਂ। VivaTech ਵਿਖੇ, ਅਸੀਂ ਆਪਣੀ ਬਿਲਕੁਲ ਨਵੀਂ 'ਡੇਟਾ ਸੰਤੁਲਨ ਵਿਸ਼ੇਸ਼ਤਾ' ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ, ਜੋ ਕਿ ਸਾਡੀ ਨਵੀਂ ਮੁੱਲ ਜੋੜਨ ਵਿੱਚੋਂ ਇੱਕ ਹੈ ਸਿੰਥੈਟਿਕ ਡਾਟਾ ਫੀਚਰ, ਜੋ ਤੁਹਾਡੇ ਡੇਟਾ ਨੂੰ ਅਗਲੇ ਪੱਧਰ 'ਤੇ ਲੈ ਜਾਂਦਾ ਹੈ!
ਵੀਵਾਟੈਕ 16-19 ਜੂਨ, 2021 ਨੂੰ ਆਯੋਜਿਤ ਯੂਰਪ ਦਾ ਸਭ ਤੋਂ ਵੱਡਾ ਅਰੰਭ ਅਤੇ ਤਕਨੀਕੀ ਪ੍ਰੋਗਰਾਮ ਹੈ। ਇਸ ਸਾਲ, ਸੰਗਠਨ ਨੇ ਪੈਰਿਸ ਵਿੱਚ ਵਿਅਕਤੀਗਤ ਅਤੇ onlineਨਲਾਈਨ ਕੋਵਿਡ ਦੇ ਕਾਰਨ ਇੱਕ ਹਾਈਬ੍ਰਿਡ ਅਨੁਭਵ ਦੀ ਮੇਜ਼ਬਾਨੀ ਕੀਤੀ, ਜੋ ਕਿ ਖੋਜਕਾਰਾਂ ਦੇ ਇੱਕ ਹੋਰ ਵੱਡੇ ਸਮੂਹ ਨੂੰ ਇਕੱਠਾ ਕਰਦੀ ਹੈ।
ਯੂਨੈਸਕੋ ਸੰਯੁਕਤ ਰਾਸ਼ਟਰ ਵਿਦਿਅਕ, ਵਿਗਿਆਨਕ ਅਤੇ ਸਭਿਆਚਾਰਕ ਸੰਗਠਨ ਹੈ. ਯੂਨੈਸਕੋ ਪ੍ਰਗਟਾਵੇ ਦੀ ਸੁਤੰਤਰਤਾ ਅਤੇ ਸੂਚਨਾ ਤਕ ਪਹੁੰਚ ਨੂੰ ਲੋਕਤੰਤਰ ਅਤੇ ਵਿਕਾਸ ਲਈ ਇੱਕ ਬੁਨਿਆਦੀ ਅਧਿਕਾਰ ਅਤੇ ਇੱਕ ਮੁੱਖ ਸ਼ਰਤ ਵਜੋਂ ਖੜ੍ਹਾ ਕਰਦਾ ਹੈ. ਡਿਜੀਟਲ ਇਨੋਵੇਸ਼ਨ ਦੇ ਨਾਲ ਵਿਚਾਰਾਂ ਦੀ ਇੱਕ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਦੇ ਰੂਪ ਵਿੱਚ ਸੇਵਾ ਕਰਦੇ ਹੋਏ, ਯੂਨੈਸਕੋ ਦੇਸ਼ਾਂ ਨੂੰ ਅਜਿਹੀਆਂ ਨੀਤੀਆਂ ਅਤੇ ਪ੍ਰੋਗਰਾਮਾਂ ਨੂੰ ਵਿਕਸਤ ਕਰਨ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰਦਾ ਹੈ ਜੋ ਵਿਸ਼ਵ ਦੀਆਂ ਚੁਣੌਤੀਆਂ ਨਾਲ ਨਜਿੱਠਣ ਅਤੇ ਸਾਰਿਆਂ ਲਈ ਸਥਾਈ ਵਿਕਾਸ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਵਿਚਾਰਾਂ ਅਤੇ ਗਿਆਨ ਦੇ ਸਾਂਝੇ ਪ੍ਰਵਾਹ ਨੂੰ ਉਤਸ਼ਾਹਤ ਕਰਦੇ ਹਨ.
ਲਿੰਗ ਪੱਖਪਾਤ ਚੁਣੌਤੀ ਦਾ ਉਦੇਸ਼ AI ਵਿੱਚ ਪੱਖਪਾਤ ਦਾ ਪਰਦਾਫਾਸ਼ ਕਰਕੇ ਲਿੰਗ ਡਿਜੀਟਲ ਵੰਡ ਨੂੰ ਘਟਾਉਣਾ ਹੈ. ਏਆਈ ਸਾਡੇ ਸਮਾਜਾਂ ਵਿੱਚ ਮੌਜੂਦਾ ਲਿੰਗ ਪੱਖਪਾਤ ਨੂੰ ਵਧਾਉਂਦੇ ਹੋਏ, ਪੱਖਪਾਤੀ ਡੇਟਾ-ਸੈਟਾਂ 'ਤੇ ਫੀਡ ਕਰਦਾ ਹੈ. ਸਬੂਤ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ 2022 ਤਕ, ਏਆਈ ਦੇ 85% ਪ੍ਰੋਜੈਕਟ ਪੱਖਪਾਤ ਦੇ ਕਾਰਨ ਗਲਤ ਨਤੀਜੇ ਦੇਣਗੇ ਜੇਕਰ ਏਆਈ ਇੱਕ ਟੈਕਨਾਲੌਜੀ ਅਤੇ ਇੱਕ ਸੈਕਟਰ ਵਜੋਂ ਵਧੇਰੇ ਸੰਮਲਿਤ ਅਤੇ ਵਿਭਿੰਨ ਨਹੀਂ ਹੈ. ਅਸੀਂ ਇਹ ਕਿਵੇਂ ਯਕੀਨੀ ਬਣਾ ਸਕਦੇ ਹਾਂ ਕਿ ਡਾਟਾ ਸੈੱਟ ਵਧੇਰੇ ਵੰਨ -ਸੁਵੰਨ ਹਨ? ਯੂਨੈਸਕੋ ਨਵੀਨਤਾਕਾਰੀ ਹੱਲਾਂ ਦੀ ਤਲਾਸ਼ ਕਰ ਰਿਹਾ ਹੈ ਜਿਸਦਾ ਉਦੇਸ਼ ਏਆਈ ਵਿੱਚ ਪੱਖਪਾਤ ਦਾ ਪਰਦਾਫਾਸ਼ ਕਰਕੇ ਲਿੰਗ ਡਿਜੀਟਲ ਵੰਡ ਨੂੰ ਘਟਾਉਣਾ ਹੈ.
ਯੂਨੈਸਕੋ ਦੀ ਸਾਲ 2019 ਦੀ ਮੁੱਖ ਰਿਪੋਰਟ ਤੋਂ ਪਤਾ ਚੱਲਦਾ ਹੈ ਕਿ ਅਲੈਕਸਾ ਅਤੇ ਸਿਰੀ ਵਰਗੇ ਏਆਈ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਵੌਇਸ ਅਸਿਸਟੈਂਟ ਟੂਲਸ ਹਾਨੀਕਾਰਕ ਰੂੜ੍ਹੀਆਂ ਨੂੰ ਸਥਾਈ ਬਣਾ ਰਹੇ ਹਨ ਅਤੇ 'ਨਾਰੀ' ਤਕਨਾਲੋਜੀ ਦੁਆਰਾ ਨਿਰਦੇਸ਼ਤ ਲਿੰਗਕ ਸ਼ੋਸ਼ਣ ਦੀ ਤਕਨੀਕੀ ਕੰਪਨੀਆਂ ਦੁਆਰਾ ਵੀ ਉਮੀਦ ਕੀਤੀ ਜਾ ਰਹੀ ਸੀ.
ਯੂਨੈਸਕੋ ਦੀ ਇਸ ਉਦਾਹਰਣ ਵਿੱਚ, ਜੇ ਅੰਕੜਿਆਂ ਵਿੱਚ ਕੋਈ ਖਾਸ ਪੱਖਪਾਤ ਹੈ, ਤਾਂ ਇਹ ਬਿਨਾਂ ਵਜ੍ਹਾ ਆਉਟਪੁੱਟ ਵਿੱਚ ਪੱਖਪਾਤ ਦਾ ਕਾਰਨ ਬਣੇਗਾ. ਇਸ ਲਈ, ਸਾਡਾ ਬਿਆਨ: 'ਪੱਖਪਾਤ = ਪੱਖਪਾਤ ਬਾਹਰ'. ਅਤੇ ਸਾਂਝੀ ਕੀਤੀ ਉਦਾਹਰਣ ਵਿੱਚ, ਡਿਵੈਲਪਰਸ ਨੂੰ ਸਪੱਸ਼ਟ ਤੌਰ ਤੇ ਪਹਿਲਾਂ ਹੀ ਅੰਕੜਿਆਂ ਵਿੱਚ ਕੁਝ ਅਸੰਤੁਲਨ ਅਤੇ ਪੱਖਪਾਤ ਬਾਰੇ ਪਤਾ ਸੀ. ਇਸ ਲਈ, ਇਸ ਨੂੰ ਕਿਵੇਂ ਦੂਰ ਕਰੀਏ?
ਸਾਨੂੰ ਡਾਟਾ ਪੱਖਪਾਤ ਦੀਆਂ ਚੁਣੌਤੀਆਂ ਨੂੰ ਸੁਲਝਾਉਣ ਲਈ ਡਾਟਾਸੇਟ ਨੂੰ ਮੁੜ ਸੰਤੁਲਿਤ ਕਰਨਾ ਪਏਗਾ ਜੋ ਐਲਗੋਰਿਦਮ ਵਿੱਚ ਵਿਤਕਰੇ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦਾ ਹੈ. ਸਾਡਾ ਹੱਲ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ. ਇਸ ਉਦਾਹਰਣ ਵਿੱਚ, ਡੇਟਾ ਵਿੱਚ ਪੱਖਪਾਤ ਅਤੇ ਅਸੰਤੁਲਨ ਹੈ. ਜਿੱਥੇ ਅਸੀਂ 50% ਮਰਦਾਂ ਅਤੇ 50% ਰਤਾਂ ਦੀ ਉਮੀਦ ਕਰਦੇ ਹਾਂ, ਅਸੀਂ ਸਿਰਫ 33% andਰਤਾਂ ਅਤੇ 66% ਮਰਦਾਂ ਨੂੰ ਵੇਖਦੇ ਹਾਂ. ਅਸੀਂ ਡਾਟਾਸੇਟ ਨੂੰ 50% ਪੁਰਸ਼ਾਂ ਅਤੇ 50% toਰਤਾਂ ਨੂੰ ਡਾਟਾ ਵਿੱਚ ਸੰਤੁਲਨ ਬਣਾਉਣ ਲਈ ਵਾਧੂ ਸਿੰਥੈਟਿਕ ਮਾਦਾ ਜਾਂ ਪੁਰਸ਼ ਡਾਟਾ ਰਿਕਾਰਡ ਤਿਆਰ ਕਰਕੇ ਇਸਦਾ ਹੱਲ ਕਰ ਸਕਦੇ ਹਾਂ ਜਿਸ ਨਾਲ ਪੱਖਪਾਤ ਅਤੇ ਅਸੰਤੁਲਨ ਨੂੰ ਘੱਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਜਿਸਦੇ ਨਤੀਜੇ ਵਜੋਂ ਭੇਦਭਾਵ ਹੋ ਸਕਦਾ ਹੈ. ਇਸ ਤਰ੍ਹਾਂ ਅਸੀਂ ਡਾਟਾ ਪੱਖਪਾਤ ਨੂੰ ਹੱਲ ਕਰਦੇ ਹਾਂ. ਅਸੀਂ ਸਮੱਸਿਆ ਨੂੰ ਇਸ ਦੀਆਂ ਜੜ੍ਹਾਂ ਦੁਆਰਾ ਹੱਲ ਕਰਦੇ ਹਾਂ. ਅਸੀਂ 'ਪੱਖਪਾਤ = ਡਾਟਾ ਪੱਖਪਾਤ' ਚੁਣੌਤੀ ਨੂੰ ਹੱਲ ਕਰਦੇ ਹਾਂ.
ਸਿੰਥੋ ਨਾਲ ਸੰਪਰਕ ਕਰੋ ਅਤੇ ਸਾਡੇ ਮਾਹਰਾਂ ਵਿੱਚੋਂ ਇੱਕ ਸਿੰਥੈਟਿਕ ਡੇਟਾ ਦੇ ਮੁੱਲ ਦੀ ਪੜਚੋਲ ਕਰਨ ਲਈ ਪ੍ਰਕਾਸ਼ ਦੀ ਗਤੀ ਤੇ ਤੁਹਾਡੇ ਨਾਲ ਸੰਪਰਕ ਕਰੇਗਾ!