به گزارش خبرگزاری مهر به نقل از نیواطلس، تحقیق جدید دانشگاه MIT و استنفورد نشان می دهد ۳ برنامه تجاری شناسایی صورت هنگام تعیین جنسیت افراد غیر سفیدپوس

به گزارش خبرگزاری مهر به نقل از نیواطلس، تحقیق جدید دانشگاه MIT و استنفورد نشان می دهد ۳ برنامه تجاری شناسایی صورت هنگام تعیین جنسیت افراد غیر سفیدپوست و مذکر درصد خطای بالایی دارند.

این تحقیق روی یکی از مشکلات مداوم و مهم حوزه یادگیری ماشینی تمرکز کرده است. همچنین نشان می دهد مخازن اطلاعاتی الگوریتم های این سیستم ها با توجه به تعداد زیادی از مردان سفید پوست جمع آوری شده است.

مبدا این تحقیق به چندسال قبل مربوط است هنگامیکه جویی بولاموینی در دانشگاه MIT با استفاده از یک سیستم تجاری شناسایی صورت متوجه شد این سیستم افرادی با پوست تیره را به درستی شناسایی نمی کند.

برای آزمایش این سیستم ها بولاموینی و گروهی از محققان بیش از ۱۲۰۰ مجموعه از تصاویر صورت مردان و زنان با رنگ پوست های مختلف را آزمایش کردند.

این تحقیق از فرایند شناسایی جنسیت برای آزمایش سه سیستم استفاده کرد. درصد خطای شناسایی مردان سفیدپوست در هر سه سیستم کمتر از یک درصد بود. اما هنگام شناسایی زنانی با پوست تیره دو سیستم مورد آزمایش درصد خطای بالایی(حدود ۴۶ درصد) داشتند.

به هرحال محققان با وجود گستره محدود این پژوهش معتقدند احتمالا این میزان خطا در سیستم های احراز هویت نیز وجود دارد.