Nanalo si Syntho sa Gender Bias Challenge ng Unesco sa Vivatech 2021 sa France
Masaya kaming ipahayag bilang panalo sa VivaTech 2021 para sa hamon ng bias sa kasarian ng UNESCO. Syntho: "bias in = bias out" at iminumungkahi naming lutasin ang mga imbalances sa input data sa pamamagitan ng pagbabalanse nito sa matalinong synthetic data. Sa VivaTech, ipinakita namin ang aming bagong 'data balancing feature', isa sa aming bagong pagdaragdag ng halaga mga tampok ng sintetikong data, na dadalhin ang iyong data sa susunod na antas!
Isang pagpapakilala sa VivaTech, UNESCO at hamon sa bias ng kasarian
Ano ang VivaTech?
Ang VivaTech ay ang pinakamalaking kaganapan sa startup at tech sa Europa na naka-host noong Hunyo 16-19, 2021. Ngayong taon, nag-host ang samahan ng isang hybrid na karanasan dahil sa COVID, personal sa Paris at online sa buong mundo, na pinagsasama ang isang mas malaking pamayanan ng mga nagpapanibago.
- Ang karagdagang impormasyon ay matatagpuan sa: www.vivtechnology.com
Ano ang UNESCO?
Ang UNESCO ay ang United Nations Educational, Scientific at Cultural Organization. Ang UNESCO ay naninindigan para sa kalayaan sa pagpapahayag at pag-access sa impormasyon, bilang isang pangunahing karapatan at isang pangunahing kondisyon para sa demokrasya at kaunlaran. Naglilingkod bilang isang laboratoryo ng mga ideya na may digital na makabagong ideya, tinutulungan ng UNESCO ang mga bansa na bumuo ng mga patakaran at programa na nagsusulong ng libreng daloy ng mga ideya at pagbabahagi ng kaalaman upang matugunan ang mga hamon sa mundo at matiyak ang napapanatiling pag-unlad para sa lahat.
- Ang karagdagang impormasyon ay matatagpuan sa: www.unesco.org
Ano ang hamon sa bias ng kasarian?
Nilalayon ng hamon ng bias ng kasarian na bawasan ang paghati sa digital na kasarian sa pamamagitan ng paglalantad ng bias sa AI. Ang AI ay kumakain ng mga kampi na hanay ng data, na nagpapalaki ng umiiral na bias ng kasarian sa aming mga lipunan. Ipinapakita ng ebidensya na sa pagsapit ng 2022, 85% ng mga proyekto ng AI ang maghahatid ng maling kinalabasan dahil sa bias kung ang AI bilang isang teknolohiya at bilang isang sektor ay hindi mas kasali at magkakaiba. Paano natin matiyak na ang mga hanay ng data ay mas magkakaiba? Ang UNESCO ay naghahanap ng mga makabagong solusyon na naglalayon na mabawasan ang pagkahati ng digital na kasarian sa pamamagitan ng paglalantad ng bias sa AI.
Ang aming panalong solusyon: Lutasin ang mga imbalances sa input data sa pamamagitan ng pagbabalanse nito sa intelligent synthetic data
Ang hamon sa aming palagay: bias in = bias out
Ang ulat sa semes ng UNESCO mula sa 2019 ay ipinapakita na ang mga tool na tinutulungan ng boses na pinapatakbo ng AI tulad ng Alexa at Siri ay nagpatuloy sa mga nakakapinsalang stereotype at pang-aabusong sekswal na nakadirekta sa teknolohiyang 'feminized' ay inaasahan pa ng mga tech na kumpanya.
Sa halimbawang ito mula sa UNESCO, Kung mayroong isang tiyak na pagkiling sa data, ito ay unmeritibong magiging sanhi ng mga bias sa output. Samakatuwid, ang aming pahayag: 'bias in = bias out'. At sa ibinahaging halimbawa, tila alam na ng mga developer ang tungkol sa ilang mga imbalances at bias sa data. Kaya, paano ito malalampasan?
Ang aming solusyon: matalinong pagbubuo ng data ng synthetic upang pagaanin ang mga bias ng data
Kailangan nating balansehin muli ang dataset upang malutas ang mga hamon sa bias ng data na maaaring humantong sa diskriminasyon sa mga algorithm. Paano gumagana ang aming solusyon. Sa halimbawang ito, mayroong isang bias at kawalan ng timbang sa data. Kung saan inaasahan namin ang 50% na lalaki at 50% na babae, nakikita lamang namin ang 33% na mga babae at 66% na mga lalaki. Maaari naming malutas ito sa pamamagitan ng pagbuo ng labis na gawa ng tao na mga tala ng data ng babae o lalaki upang balansehin ang dataset pabalik sa 50% na mga lalaki at 50% na mga kababaihan upang mapagaan ang mga bias at imbalances sa data na maaaring magresulta sa diskriminasyon. Ganito namin malulutas ang mga bias ng data. Malulutas namin ang problema sa pamamagitan ng mga ugat nito. Malulutas namin ang hamon na 'bias in = data bias out'.
Sintetiko ang data, ngunit totoo ang aming team!
Makipag-ugnay kay Syntho at isa sa aming mga eksperto ay makikipag-ugnayan sa iyo sa bilis ng liwanag upang tuklasin ang halaga ng synthetic na data!