Syntho wygrywa konkurs Unesco Gender Bias Challenge na targach Vivatech 2021 we Francji

Cieszymy się, że zostaliśmy ogłoszeni zwycięzcą VivaTech 2021 w konkursie UNESCO dotyczącym uprzedzeń płciowych. Syntho: „bias in = bias out” i proponujemy rozwiązać nierównowagę danych wejściowych poprzez zrównoważenie ich inteligentnymi danymi syntetycznymi. Na VivaTech zademonstrowaliśmy naszą zupełnie nową „funkcję równoważenia danych”, jedną z naszych nowych wartości dodanych funkcje danych syntetycznych, która przenosi Twoje dane na wyższy poziom!

uprzedzenia związane z płcią rzucają wyzwanie UNESCO

Wprowadzenie do VivaTech, UNESCO i wyzwania związanego z uprzedzeniami ze względu na płeć

Co to jest VivaTech?

VivaTech to największe w Europie wydarzenie poświęcone startupom i technologii, które odbędzie się w dniach 16-19 czerwca 2021 r. W tym roku organizacja zorganizowała hybrydowe doświadczenie z powodu COVID, osobiście w Paryżu i online na całym świecie, które skupia jeszcze większą społeczność innowatorów.

Logo Viva Technologie

Czym jest UNESCO?

UNESCO jest Organizacją Narodów Zjednoczonych do spraw Oświaty, Nauki i Kultury. UNESCO opowiada się za wolnością wypowiedzi i dostępem do informacji, jako podstawowym prawem i kluczowym warunkiem demokracji i rozwoju. Służąc jako laboratorium pomysłów, których sercem jest innowacyjność cyfrowa, UNESCO pomaga krajom w opracowywaniu polityk i programów, które wspierają swobodny przepływ pomysłów i wymianę wiedzy, aby sprostać wyzwaniom świata i zapewnić wszystkim zrównoważony rozwój.

Jakie jest wyzwanie związane z uprzedzeniami ze względu na płeć?

Wyzwanie związane z uprzedzeniami ze względu na płeć ma na celu zmniejszenie przepaści cyfrowej ze względu na płeć poprzez ujawnienie uprzedzeń w sztucznej inteligencji. Sztuczna inteligencja żywi się stronniczymi zbiorami danych, wzmacniając istniejące uprzedzenia dotyczące płci w naszych społeczeństwach. Dowody pokazują, że do 2022 r. 85% projektów dotyczących sztucznej inteligencji przyniesie błędne wyniki ze względu na stronniczość, jeśli sztuczna inteligencja jako technologia i jako sektor nie są bardziej inkluzywne i zróżnicowane. Jak możemy sprawić, by zbiory danych były bardziej zróżnicowane? UNESCO poszukuje innowacyjnych rozwiązań, które mają na celu zmniejszenie cyfrowej przepaści płci poprzez ujawnienie uprzedzeń w sztucznej inteligencji.

Nasze zwycięskie rozwiązanie: Rozwiąż nierównowagę danych wejściowych, równoważąc je inteligentnymi danymi syntetycznymi

 

Naszym zdaniem wyzwanie: bias in = bias out

Przełomowy raport UNESCO z 2019 r. wykazał, że oparte na sztucznej inteligencji narzędzia asystenta głosowego, takie jak Alexa i Siri, utrwalały szkodliwe stereotypy, a seksistowskie nadużycia skierowane na „sfeminizowaną” technologię były nawet przewidywane przez firmy technologiczne.

W tym przykładzie z UNESCO, jeśli istnieje pewna stronniczość w danych, spowoduje to niezasłużenie stronniczość w danych wyjściowych. Stąd nasze stwierdzenie: „bias in = bias out”. A we wspólnym przykładzie programiści najwyraźniej już wiedzieli o pewnych nierównowagach i uprzedzeniach w danych. Jak więc to przezwyciężyć?

Ten obraz ilustruje wyzwanie dotyczące błędu w danych, w którym błąd w danych może skutkować stronniczością algorytmów

Nasze rozwiązanie: inteligentne generowanie danych syntetycznych w celu złagodzenia tendencyjności danych

Musimy ponownie zrównoważyć zbiór danych, aby rozwiązać problemy związane z uprzedzeniami danych, które mogą prowadzić do dyskryminacji w algorytmach. Jak działa nasze rozwiązanie. W tym przykładzie występuje błąd systematyczny i brak równowagi w danych. Tam, gdzie spodziewamy się 50% mężczyzn i 50% kobiet, widzimy tylko 33% kobiet i 66% mężczyzn. Możemy rozwiązać ten problem, generując dodatkowe syntetyczne rekordy danych dla kobiet lub mężczyzn, aby zrównoważyć zestaw danych z powrotem do 50% mężczyzn i 50% kobiet, aby złagodzić uprzedzenia i dysproporcje danych, które mogą prowadzić do dyskryminacji. W ten sposób rozwiązujemy błędy związane z danymi. Rozwiązujemy problem u jego korzeni. Rozwiązujemy wyzwanie „tendencyjność = błądzenie danych”.

Ten obraz przedstawia naszą nową funkcję równoważenia danych z danymi syntetycznymi

grupa uśmiechniętych ludzi

Dane są syntetyczne, ale nasz zespół jest prawdziwy!

Skontaktuj się z Syntho a jeden z naszych ekspertów skontaktuje się z Tobą z prędkością światła, aby zbadać wartość danych syntetycznych!