MIT જાતિવાદી અને અયોગ્ય શબ્દોના કારણે નાના ચિત્રોના સંગ્રહને દૂર કરે છે

મેશાચ્યુરેટ તકનીકી સંસ્થાન કાઢી નાખ્યું ડેટા સેટ નાની છબીઓ, 80 મિલિયન નાની 32x32 ઈમેજોના ટીકાયુક્ત સંગ્રહને દર્શાવતા. સમૂહની જાળવણી કોમ્પ્યુટર વિઝન ટેક્નોલોજી વિકસાવતા જૂથ દ્વારા કરવામાં આવી હતી અને તેનો ઉપયોગ 2008 થી વિવિધ સંશોધકો દ્વારા મશીન લર્નિંગ સિસ્ટમ્સમાં ઑબ્જેક્ટ ઓળખને તાલીમ આપવા અને પરીક્ષણ કરવા માટે કરવામાં આવે છે.

દૂર કરવાનું કારણ હતું ઓળખ ચિત્રોમાં દર્શાવવામાં આવેલી વસ્તુઓનું વર્ણન કરતા લેબલોમાં જાતિવાદી અને દુરૂપયોગી શબ્દોનો ઉપયોગ તેમજ અપમાનજનક માનવામાં આવતી છબીઓની હાજરી. ઉદાહરણ તરીકે, અશિષ્ટ શબ્દો સાથે જનનાંગોની છબીઓ હતી, કેટલીક સ્ત્રીઓની છબીઓને "વેશ્યાઓ" તરીકે દર્શાવવામાં આવી હતી અને એવા શબ્દોનો ઉપયોગ કરવામાં આવ્યો હતો જે કાળા અને એશિયનો માટે આધુનિક સમાજમાં અસ્વીકાર્ય હતા.

જો કે, MIT દ્વારા ટાંકવામાં આવેલ દસ્તાવેજ આવા સંગ્રહો સાથેની વધુ ગંભીર સમસ્યાઓને પણ ઓળખે છે: કોમ્પ્યુટર વિઝન ટેક્નોલોજીનો ઉપયોગ ચહેરાની ઓળખ પ્રણાલી વિકસાવવા માટે વસ્તી જૂથોના પ્રતિનિધિઓને શોધવા માટે કરી શકાય છે જે અમુક કારણોસર પ્રતિબંધિત છે; ઇમેજ જનરેશન માટે ન્યુરલ નેટવર્ક અનામી ડેટામાંથી મૂળ પુનઃનિર્માણ કરી શકે છે.

અમાન્ય શબ્દોના દેખાવનું કારણ સ્વયંસંચાલિત પ્રક્રિયાનો ઉપયોગ હતો જે વર્ગીકરણ માટે અંગ્રેજી લેક્સિકલ ડેટાબેઝમાંથી સિમેન્ટીક સંબંધોનો ઉપયોગ કરે છે. વર્ડનેટ, પ્રિન્સટન યુનિવર્સિટી ખાતે 1980 માં બનાવવામાં આવી હતી. 80 મિલિયન નાના ચિત્રોમાં અપમાનજનક ભાષાની હાજરી જાતે તપાસવી શક્ય ન હોવાથી, ડેટાબેઝની ઍક્સેસને સંપૂર્ણપણે અવરોધિત કરવાનો નિર્ણય લેવામાં આવ્યો હતો. MIT એ અન્ય સંશોધકોને પણ સંગ્રહનો ઉપયોગ બંધ કરવા અને તેની નકલો દૂર કરવા વિનંતી કરી. સૌથી મોટા એનોટેડ ઇમેજ ડેટાબેઝમાં સમાન સમસ્યાઓ જોવા મળે છે ઈમેજનેટ, જે WordNet ના એન્કરનો પણ ઉપયોગ કરે છે.

સોર્સ: opennet.ru