Ми раді бути оголошеними переможцями VivaTech 2021 у конкурсі ЮНЕСКО щодо гендерних упереджень. Syntho: «зміщення вхід = зсув» і ми пропонуємо вирішити дисбаланс у вхідних даних, збалансувавши їх за допомогою інтелектуальних синтетичних даних. На VivaTech ми продемонстрували нашу нову «функцію балансування даних», одну з наших нових переваг особливості синтетичних даних, що виводить ваші дані на новий рівень!
VivaTech-це найбільший стартап та технологічний захід у Європі, який відбувся 16-19 червня 2021 року. Цього року організація провела гібридний досвід через COVID, особисто в Парижі та в Інтернеті по всьому світу, який об’єднує ще більшу спільноту інноваторів.
ЮНЕСКО - це Організація Об’єднаних Націй з питань освіти, науки та культури. ЮНЕСКО виступає за свободу вираження поглядів та доступ до інформації як основне право та ключова умова демократії та розвитку. Будучи лабораторією ідей із цифровими інноваціями в основі, ЮНЕСКО допомагає країнам розробляти політику та програми, які сприяють вільному потоку ідей та обміну знаннями для вирішення світових викликів та забезпечення сталого розвитку для всіх.
Виклик гендерної упередженості спрямований на зменшення гендерного цифрового розриву шляхом виявлення упередженості у ШІ. ШІ живиться упередженими наборами даних, посилюючи існуючі гендерні упередження у нашому суспільстві. Дані показують, що до 2022 року 85% проектів ШІ дадуть помилкові результати через упередженість, якщо ШІ як технологія та як сектор не будуть більш інклюзивними та різноманітними. Як ми можемо переконатися, що набори даних є більш різноманітними? ЮНЕСКО шукає інноваційні рішення, які мають на меті зменшити гендерний цифровий розрив шляхом виявлення упередженості щодо ШІ.
Основний звіт ЮНЕСКО за 2019 рік показав, що інструменти голосового помічника на основі штучного інтелекту, такі як Alexa та Siri, увічнюють шкідливі стереотипи, а сексистські зловживання, спрямовані на "фемінізовану" технологію, навіть передбачалися технічними компаніями.
У цьому прикладі від ЮНЕСКО, якщо у даних є певна зміщеність, це незаслужено спричинить упередження у результатах. Отже, наше твердження: "зміщення в = зміщення поза". І в загальному прикладі розробники, очевидно, вже знали про певні дисбаланси та упередження у даних. Отже, як це подолати?
Ми маємо знову збалансувати набір даних, щоб вирішити проблеми упередження даних, які можуть призвести до дискримінації в алгоритмах. Як працює наше рішення. У цьому прикладі існує упередженість та дисбаланс у даних. Там, де ми очікуємо 50% чоловіків та 50% жінок, ми бачимо лише 33% жінок та 66% чоловіків. Ми можемо вирішити це шляхом створення додаткових синтетичних записів жіночих чи чоловічих даних, щоб збалансувати набір даних до 50% чоловіків та 50% жінок, щоб пом’якшити упередження та дисбаланс у даних, що може призвести до дискримінації. Ось так ми вирішуємо упередження даних. Ми вирішуємо проблему своїм корінням. Ми вирішуємо проблему "упередження = зміщення даних".
Зверніться до компанії Syntho і один з наших експертів зв’яжеться з вами зі швидкістю світла, щоб вивчити цінність синтетичних даних!