Massachusettseko Teknologia Institutua datu multzoa , 80x32ko 32 milioi irudi txikiz osatutako bilduma komentatu batekin. Multzoa ordenagailu bidezko ikusmenaren teknologiak garatzen zituen talde batek mantentzen zuen eta 2008az geroztik erabiltzen dute hainbat ikertzailek ikasketa automatikoko sistemetan objektuen ezagutza trebatzeko eta probatzeko.
Kentzeko arrazoia izan zen termino arrazista eta misoginoak erabiltzea irudietan ageri diren objektuak deskribatzen dituzten etiketetan, baita iraingarritzat jotzen ziren irudien presentzia ere. Esaterako, argot terminoekin genitalen irudiak zeuden, emakume batzuen irudiak "puta" gisa bereizten ziren eta beltzentzat eta asiarrentzat gizarte modernoan onartezinak ziren terminoak erabiltzen ziren.
Hala ere, MIT-ek aipatutako dokumentuak arazo larriagoak ere identifikatzen ditu halako bildumekin: ordenagailu bidezko ikusmenaren teknologiak erabil daitezke aurpegia ezagutzeko sistemak garatzeko, arrazoiren batengatik debekatuta dauden biztanle-taldeetako ordezkariak bilatzeko; irudiak sortzeko sare neuronal batek jatorrizkoa berreraiki dezake datu anonimoetatik abiatuta.
Hitz baliogabeak agertzearen arrazoia sailkatzeko ingelesezko datu-base lexikaleko erlazio semantikoak erabiltzen dituen prozesu automatizatu bat erabiltzea izan da. , 1980ko hamarkadan Princetongo Unibertsitatean sortua. 80 milioi argazki txikitan hizkuntza iraingarriaren presentzia eskuz egiaztatu ezin denez, datu-baserako sarbidea guztiz blokeatzea erabaki zen. MITek beste ikertzaileei ere eskatu zien bilduma erabiltzeari uzteko eta haren kopiak kentzeko. Antzeko arazoak ikusten dira ohartariko irudien datu-base handienean , WordNet-eko aingurak ere erabiltzen dituena.
Iturria: opennet.ru