Մասաչուսեթսի տեխնոլոգիական ինստիտուտ տվյալների հավաքածու , որը պարունակում է 80 միլիոն փոքր 32x32 պատկերների ծանոթագրված հավաքածու: Հավաքածուն պահպանվել է համակարգչային տեսողության տեխնոլոգիաներ մշակող խմբի կողմից և 2008 թվականից օգտագործվել է տարբեր հետազոտողների կողմից՝ մեքենայական ուսուցման համակարգերում օբյեկտների ճանաչման ուսուցման և փորձարկման համար:
Հեռացման պատճառն էր նկարներում պատկերված առարկաները նկարագրող պիտակներում ռասիստական և միասեռական տերմինների օգտագործումը, ինչպես նաև վիրավորական ընկալվող պատկերների առկայությունը: Օրինակ՝ կային սեռական օրգանների պատկերներ ժարգոնային տերմիններով, որոշ կանանց կերպարները բնութագրվում էին որպես «պոռնիկ», իսկ ժամանակակից հասարակության մեջ անընդունելի տերմիններ էին օգտագործվում սևամորթների և ասիացիների համար:
Այնուամենայնիվ, MIT-ի կողմից վկայակոչված փաստաթուղթը մատնանշում է նաև նման հավաքածուների հետ կապված ավելի լուրջ խնդիրներ. համակարգչային տեսողության տեխնոլոգիաները կարող են օգտագործվել դեմքի ճանաչման համակարգեր մշակելու համար՝ ինչ-ինչ պատճառներով արգելված բնակչության խմբերի ներկայացուցիչներ փնտրելու համար. Նեյրոնային ցանցը պատկերների ստեղծման համար կարող է վերակառուցել բնօրինակը անանուն տվյալներից:
Անվավեր բառերի ի հայտ գալու պատճառը ավտոմատացված գործընթացի օգտագործումն էր, որն օգտագործում է իմաստային հարաբերություններ անգլերենի բառարանային տվյալների բազայից դասակարգելու համար: , ստեղծվել է 1980-ականներին Փրինսթոնի համալսարանում։ Քանի որ հնարավոր չէ ձեռքով ստուգել վիրավորական լեզվի առկայությունը 80 միլիոն փոքր նկարներում, որոշվեց ամբողջությամբ արգելափակել մուտքը տվյալների բազա: MIT-ը նաև հորդորեց այլ հետազոտողներին դադարեցնել հավաքածուի օգտագործումը և հեռացնել դրա պատճենները: Նմանատիպ խնդիրներ են նկատվում ամենամեծ ծանոթագրված պատկերների տվյալների բազայում , որը նույնպես օգտագործում է խարիսխներ WordNet-ից:
Source: opennet.ru