Το Gender Shades

Οι Joy Buolamwini και Timnit Gebru δείχνουν ότι εμπορικά συστήματα ανάλυσης προσώπου κάνουν πολύ περισσότερα λάθη σε γυναίκες με σκούρο δέρμα απ' ό,τι σε άντρες με ανοιχτό δέρμα. Αιτία: μη αντιπροσωπευτικά δεδομένα.

Γιατί βρίσκεται στο μουσείο

Η μηχανική μάθηση αλλάζει το πρόβλημα: αντί να γράφουμε κάθε κανόνα, δίνουμε δεδομένα και παραδείγματα. Μαζί τους, όμως, περνούν και τα κενά τους.

Τι στηρίζει το έκθεμα

Πρωτογενής ερευνητική δημοσίευση

Τις μεγάλες διαφορές σφάλματος μεταξύ δημογραφικών ομάδων σε εμπορικά συστήματα ταξινόμησης φύλου.

Κύρια πηγή: Buolamwini, J. & Gebru, T. (2018), Gender Shades, PMLR 81.

Άνοιξε την πηγή

Τι χρειάζεται προσοχή: Πρωτογενής αξιολόγηση συστημάτων

Ρώτησε το έκθεμα

Ο μικρός ξεναγός αυτής της σελίδας χρησιμοποιεί μόνο όσα υπάρχουν στον φάκελο του εκθέματος. Αν η ερώτηση ζητά κάτι που δεν τεκμηριώνεται εδώ, δεν θα το συμπληρώσει μόνος του.

Μπορείς να ξεκινήσεις με μία από τις ερωτήσεις που βλέπεις πιο πάνω.