Massachusetts Institute of Technology Datenset , mat enger annotéierter Sammlung vun 80 Millioune kleng 32x32 Biller. De Set gouf vun enger Grupp ënnerhal, déi Computervisiounstechnologien entwéckelt a gouf zënter 2008 vu verschiddene Fuerscher benotzt fir Objekterkennung a Maschinnléieresystemer ze trainéieren an ze testen.
De Grond fir d'Ewechhuele war d'Benotzung vu rassisteschen a misogynistesche Begrëffer an Etiketten, déi d'Objeten beschreiwen, déi an de Biller duergestallt sinn, wéi och d'Präsenz vu Biller, déi als offensiv ugesi goufen. Zum Beispill goufen et Biller vu Genitalie mat Schlaangbegrëffer, Biller vun e puer Frae goufen als "Horen" charakteriséiert, a Begrëffer déi an der moderner Gesellschaft fir Schwaarzen an Asians inakzeptabel waren.
Wéi och ëmmer, d'Dokument zitéiert vum MIT identifizéiert och méi sérieux Problemer mat esou Sammlungen: Computervisiounstechnologien kënne benotzt ginn fir Gesiichtserkennungssystemer z'entwéckelen fir Vertrieder vu Bevëlkerungsgruppen ze sichen, déi aus irgendege Grënn verbueden sinn; en neuralt Netzwierk fir Bildgeneratioun kann d'Original aus anonymiséierter Donnéeën rekonstruéieren.
De Grond fir d'Erscheinung vun ongülteg Wierder war d'Benotzung vun engem automatiséierte Prozess deen semantesch Bezéiungen aus der englescher lexikalescher Datebank benotzt fir ze klassifizéieren , an den 1980er Joren op der Princeton University erstallt. Well et net méiglech ass manuell d'Präsenz vun offensiv Sprooch an 80 Millioune kleng Biller ze kontrolléieren, gouf decidéiert den Zougang zu der Datebank komplett ze blockéieren. MIT huet och aner Fuerscher gefuerdert d'Sammlung ze stoppen an d'Kopie dovun ze läschen. Ähnlech Probleemer ginn an der gréisster annotéierter Bilddatebank observéiert , déi och Anker aus WordNet benotzt.
Source: opennet.ru