موږ خوښ یو چې د یونیسکو د جنډر تعصب ننګونې لپاره په VivaTech 2021 کې د ګټونکي په توګه اعلان شو. Syntho: "bias in = bias out" او موږ وړاندیز کوو چې د ان پټ ډیټا کې د هوښیار مصنوعي ډیټا سره انډول کولو سره انډول حل کړو. په VivaTech کې، موږ زموږ د نوي ډیټا بیلانس خصوصیت وښوده، زموږ یو له نوي ارزښت اضافه کولو څخه د مصنوعي معلوماتو ځانګړتیاوې، دا ستاسو معلومات بلې کچې ته رسوي!
ویو ټیک د اروپا ترټولو لوی پیل او ټیک پیښه ده چې د جون په 16-19 ، 2021 کې کوربه شوې. سږکال ، سازمان د COVID له امله په انفرادي ډول په پاریس کې او په ټوله نړۍ کې آنلاین د هایبرډ تجربې کوربه توب کړی ، چې د نوښتګرو حتی لویې ټولنې سره یوځای کوي.
یونیسکو د ملګرو ملتونو تعلیمي ، ساینسي او کلتوري سازمان دی. یونیسکو د بیان د آزادۍ او معلوماتو ته د لاسرسي لپاره ولاړ دی ، د اساسي حق په توګه او د دموکراسۍ او پرمختګ لپاره کلیدي شرط دی. په زړه کې د ډیجیټل نوښت سره د نظریاتو لابراتوار په توګه خدمت کول ، یونسکو له هیوادونو سره د پالیسیو او برنامو رامینځته کولو کې مرسته کوي چې د نړۍ ننګونو سره د مقابلې لپاره د نظریاتو او پوهې شریکولو آزاد جریان ته وده ورکوي او د ټولو لپاره دوامداره پرمختګ تضمینوي.
د جنډر تعصب ننګونه په AI کې د تعصب په افشا کولو سره د جنډر ډیجیټل ویش کمول دي. AI په متعصب ډیټا سیټونو تغذیه کوي ، زموږ په ټولنو کې د جنډر موجوده تعصب پراخوي. شواهد ښیې چې تر 2022 پورې ، د AI پروژې 85 will به د تعصب له امله غلطې پایلې وړاندې کړي که AI د ټیکنالوژۍ په توګه او د سکتور په توګه ډیر جامع او متنوع نه وي. څنګه کولی شو ډاډ ترلاسه کړو چې د ډیټا سیټونه ډیر متنوع دي؟ یونیسکو د نویو حلونو په لټه کې دی چې هدف یې په AI کې د تعصب په افشا کولو سره د جنډر ډیجیټل ویش کمول دي.
د 2019 څخه د یونیسکو سیمینار راپور وښودله چې د AI لخوا پرمخ وړل شوي غږ معاون وسیلې لکه الیکسا او سري زیان رسونکي سټریوټایپونه دوام کوي او د "ښځینه" ټیکنالوژۍ په لارښوونه جنسی ناوړه ګټه اخیستنه حتی د تخنیکي شرکتونو لخوا اټکل شوې.
په دې مثال کې د یونیسکو څخه ، که چیرې په ارقامو کې یو ځانګړی تعصب شتون ولري ، نو دا به په غیرمستقیم ډول په محصول کې د تعصب لامل شي. لدې امله ، زموږ وینا: 'تعصب = تعصب بهر'. او په ګډ مثال کې ، پراختیا کونکي ظاهرا دمخه په ډیټا کې د ځینې توازن او تعصباتو په اړه پوهیدل. نو ، دا څنګه له مینځه یوسو؟
موږ باید د ډیټا سیٹ بیا توازن کړو ترڅو د ډیټا تعصب ننګونې حل کړو چې کولی شي په الګوریتم کې تبعیض لامل شي. زموږ حل څنګه کار کوي. پدې مثال کې ، په معلوماتو کې تعصب او عدم توازن شتون لري. چیرې چې موږ 50 ma نارینه او 50 fe ښځینه تمه کوو ، موږ یوازې 33٪ ښځینه او 66 ma نارینه ګورو. موږ کولی شو دا د اضافي مصنوعي ښځینه یا نارینه ډیټا ریکارډونو رامینځته کولو سره حل کړو ترڅو د ډیټاسټ بیرته 50 ma نارینه او 50 fe میرمنو ته توازن کړو ترڅو په ډیټا کې تعصب او عدم توازن کم کړو چې د تبعیض لامل کیدی شي. دا څنګه موږ د معلوماتو تعصب حل کوو. موږ ستونزه د هغې په ریښو حل کوو. موږ په 'تعصب کې = د معلوماتو تعصب بهر' ننګونه حل کوو.
له سنتو سره اړیکه ونیسئ او زموږ یو متخصص به د مصنوعي معلوماتو ارزښت سپړلو لپاره د ر light ا سرعت سره تاسو سره اړیکه ونیسي!