Срећни смо што смо проглашени победником на ВиваТецх 2021 за УНЕСЦО-ов изазов родне предрасуде. Синто: „пристрасност у = пристрасност“ и ми предлажемо да решимо неравнотеже у улазним подацима балансирајући их са интелигентним синтетичким подацима. У ВиваТецх-у смо демонстрирали нашу потпуно нову „функцију балансирања података“, једну од наших нових додавања вредности карактеристике синтетичких података, то подиже ваше податке на виши ниво!
ВиваТецх је највећи европски старт-уп и технолошки догађај одржан од 16. до 19. јуна 2021. Ове године, организација је била домаћин хибридног искуства због ЦОВИД-а, лично у Паризу и на мрежи широм света, које окупља још већу заједницу иноватора.
УНЕСЦО је Организација Уједињених нација за образовање, науку и културу. УНЕСЦО се залаже за слободу изражавања и приступ информацијама, као основно право и кључни услов демократије и развоја. Служећи као лабораторија идеја са дигиталним иновацијама у срцу, УНЕСЦО помаже земљама у развоју политика и програма који подстичу слободан проток идеја и размену знања како би се ухватили у коштац са светским изазовима и осигурали одрживи развој за све.
Изазов родне пристрасности има за циљ смањење родне дигиталне поделе разоткривањем пристрасности у вештачкој интелигенцији. АИ се храни пристрасним скуповима података, појачавајући постојећу родну пристрасност у нашим друштвима. Докази показују да ће до 2022. године 85% пројеката вештачке интелигенције донијети погрешне исходе због пристрасности ако умјетна интелигенција као технологија и као сектор није свеобухватнија и разнолика. Како можемо да будемо сигурни да су скупови података разноврснији? УНЕСЦО тражи иновативна решења која имају за циљ смањење родне дигиталне поделе разоткривањем пристрасности у вештачкој интелигенцији.
Уводни извјештај УНЕСЦО-а из 2019. године показао је да алати за гласовне асистенте на бази умјетне интелигенције, попут Алека и Сири, одржавају штетне стереотипе, а технолошке компаније чак су предвиђале сексистичко злостављање усмјерено на „феминизирану“ технологију.
У овом примеру из УНЕСЦО -а, ако постоји одређена пристрасност у подацима, то ће незаслужено изазвати пристрасности у резултатима. Дакле, наша изјава: 'биас ин = биас оут'. У заједничком примеру, програмери су очигледно већ знали за одређене неравнотеже и пристрасности у подацима. Па, како то превазићи?
Морамо поново уравнотежити скуп података како бисмо решили изазове пристрасности података који би могли довести до дискриминације у алгоритмима. Како функционише наше решење. У овом примеру постоји пристрасност и неравнотежа у подацима. Тамо где очекујемо 50% мушкараца и 50% жена, видимо само 33% жена и 66% мушкараца. То можемо ријешити генерирањем додатних синтетичких записа података о женама или мушкарцима како би се уравнотежио скуп података на 50% мушкараца и 50% жена како би се ублажиле пристраности и неравнотеже у подацима који би могли резултирати дискриминацијом. Овако решавамо пристрасности података. Проблем решавамо коренима. Решавамо изазов 'биас ин = дата биас оут'.
Контактирајте Синтхо i jedan od naših stručnjaka će stupiti u kontakt sa vama brzinom svetlosti da istraži vrednost sintetičkih podataka!