改善脸部辨识偏见问题 IBM再对100万张进行标注

为了改善既有AI人脸辨识存在的偏见问题，IBM释出脸部多样性数据集Diversity in Faces（DiF），来加速公平且准确的人脸辨识系统研究，该数据集包含100万张已标注的人脸图像，IBM预计提供该数据集给全球的研究社群，研究人员按照申请步骤提出请求后，IBM将会进行批准。而麻省理工大学的计算器科学与AI实验室，也在前一天发布正在改善人脸辨识算法的消息，新算法会先对数据集进行筛选，确保训练数据报含不同种族和肤色的数据，企图减少训练数据对人脸辨识系统产生影响。目前人脸辨识系统存在着偏见的问题，去年6月，麻省理工学院多媒体实验室曾测试了微软、IBM和中国的旷视科技开发的人脸辨识系统，测试发现这些系统辨识浅色人种性别的能力，大过于辨识深色人种的性别，而辨识度最差的则是深色人种的女性，MIT多媒体实验室认为，人脸辨识技术可能因为所使用的数据集和建立算法的条件，而造成偏差。

IBM释出的DiF数据集图片是来自于公开的YFCC-100M数据集，利用在人脸研究领域行之有年的10个编码方案（coding scheme）为图片标注，包含客观的人脸辨识方法和主观的预测，客观的人脸辨识方法是一些面孔特征，像是头部长度、鼻子长度、额头高度、脸部的对称比例，而人类主观的预测则是年龄、性别、姿势等，IBM相信，藉由释出100万标注的数据集，能够加速人脸辨识系统数据集的覆盖率和多样性，减少AI系统的偏见，而这次释出的数据集只是第一步。IBM希望，DiF数据集能够成为研究人员着手打造无偏见人脸辨识技术的开端，初步的分析显示，相比过去的数据集，DiF数据集提供了更分布更平均且广泛的人脸图像，除此之外，DiF数据集也能够让研究人员更近一步理解人脸特征，用来研究人脸辨识技术。相关人工智能内容：乐爱公益平台 pctchp.org.tw/