Массачусетс технологиялық институты деректер жинағы , 80 миллион шағын 32x32 кескіндердің аннотацияланған топтамасы бар. Жиын компьютерлік көру технологияларын әзірлеуші топпен жүргізілді және оны 2008 жылдан бастап әртүрлі зерттеушілер машиналық оқыту жүйелерінде объектіні тануды үйрету және сынау үшін пайдаланды.
Алып тастау себебі болды суреттерде бейнеленген объектілерді сипаттайтын жапсырмаларда нәсілшіл және мизогинистік терминдерді қолдану, сондай-ақ қорлау ретінде қабылданған суреттердің болуы. Мысалы, жаргон терминдері бар жыныс мүшелерінің суреттері болды, кейбір әйелдердің суреттері «жеңгелер» ретінде сипатталды, қазіргі қоғамда қара нәсілділер мен азиялықтар үшін қабылданбайтын терминдер қолданылды.
Дегенмен, MIT келтірген құжатта мұндай жинақтардың күрделі проблемалары да анықталған: компьютерлік көру технологиялары қандай да бір себептермен тыйым салынған халық топтарының өкілдерін іздеу үшін бет-әлпетті тану жүйелерін әзірлеу үшін пайдаланылуы мүмкін; кескінді құруға арналған нейрондық желі анонимді деректерден түпнұсқаны қалпына келтіре алады.
Жарамсыз сөздердің пайда болу себебі классификациялау үшін ағылшын лексикалық дерекқорындағы семантикалық қатынастарды пайдаланатын автоматтандырылған процесті пайдалану болды. , 1980 жылдары Принстон университетінде құрылған. 80 миллион шағын суретте қорлайтын тілдің бар-жоғын қолмен тексеру мүмкін болмағандықтан, дерекқорға кіруді толығымен блоктау туралы шешім қабылданды. MIT басқа зерттеушілерді жинақты пайдалануды тоқтатуға және оның көшірмелерін жоюға шақырды. Ұқсас мәселелер ең үлкен аннотацияланған кескіндер базасында байқалады , ол сонымен қатар WordNet зәкірлерін пайдаланады.
Ақпарат көзі: opennet.ru