വംശീയവും സ്ത്രീവിരുദ്ധവുമായ പദങ്ങൾ തിരിച്ചറിഞ്ഞതിന് ശേഷം എംഐടി ടിനി ഇമേജസ് ശേഖരം നീക്കം ചെയ്തു

മസാച്ചുസെറ്റ്സ് ഇൻസ്റ്റിറ്റ്യൂട്ട് ഓഫ് ടെക്നോളജി ഇല്ലാതാക്കി ഡാറ്റ സെറ്റ് ചെറിയ ചിത്രങ്ങൾ, 80 ദശലക്ഷം ചെറിയ 32x32 ചിത്രങ്ങളുടെ വ്യാഖ്യാന ശേഖരം ഫീച്ചർ ചെയ്യുന്നു. കമ്പ്യൂട്ടർ വിഷൻ സാങ്കേതികവിദ്യകൾ വികസിപ്പിക്കുന്ന ഒരു ഗ്രൂപ്പാണ് ഈ സെറ്റ് പരിപാലിക്കുന്നത്, കൂടാതെ മെഷീൻ ലേണിംഗ് സിസ്റ്റങ്ങളിൽ ഒബ്ജക്റ്റ് തിരിച്ചറിയൽ പരിശീലിപ്പിക്കുന്നതിനും പരീക്ഷിക്കുന്നതിനും വിവിധ ഗവേഷകർ 2008 മുതൽ ഇത് ഉപയോഗിക്കുന്നു.

എന്നതായിരുന്നു നീക്കം ചെയ്യാനുള്ള കാരണം കണ്ടെത്തൽ ചിത്രങ്ങളിൽ ചിത്രീകരിച്ചിരിക്കുന്ന വസ്‌തുക്കളെ വിവരിക്കുന്ന ലേബലുകളിൽ വംശീയവും സ്ത്രീവിരുദ്ധവുമായ പദങ്ങളുടെ ഉപയോഗം, അതുപോലെ തന്നെ കുറ്റകരമായി കണക്കാക്കപ്പെട്ട ചിത്രങ്ങളുടെ സാന്നിധ്യവും. ഉദാഹരണത്തിന്, സ്ലാംഗ് പദങ്ങളുള്ള ജനനേന്ദ്രിയത്തിന്റെ ചിത്രങ്ങൾ ഉണ്ടായിരുന്നു, ചില സ്ത്രീകളുടെ ചിത്രങ്ങൾ "വേശ്യകൾ" ആയി ചിത്രീകരിച്ചു, കറുത്തവർക്കും ഏഷ്യക്കാർക്കും ആധുനിക സമൂഹത്തിൽ അസ്വീകാര്യമായ പദങ്ങൾ ഉപയോഗിച്ചു.

എന്നിരുന്നാലും, MIT ഉദ്ധരിച്ച ഡോക്യുമെന്റ് അത്തരം ശേഖരങ്ങളിലെ കൂടുതൽ ഗുരുതരമായ പ്രശ്‌നങ്ങളും തിരിച്ചറിയുന്നു: ചില കാരണങ്ങളാൽ നിരോധിച്ചിരിക്കുന്ന ജനസംഖ്യാ ഗ്രൂപ്പുകളുടെ പ്രതിനിധികളെ തിരയുന്നതിനായി ഫേഷ്യൽ റെക്കഗ്നിഷൻ സംവിധാനങ്ങൾ വികസിപ്പിക്കുന്നതിന് കമ്പ്യൂട്ടർ വിഷൻ സാങ്കേതികവിദ്യകൾ ഉപയോഗിക്കാം; ഇമേജ് സൃഷ്ടിക്കുന്നതിനുള്ള ഒരു ന്യൂറൽ നെറ്റ്‌വർക്കിന് അജ്ഞാത ഡാറ്റയിൽ നിന്ന് ഒറിജിനൽ പുനർനിർമ്മിക്കാൻ കഴിയും.

ഇംഗ്ലീഷ് ലെക്സിക്കൽ ഡാറ്റാബേസിൽ നിന്നുള്ള സെമാന്റിക് ബന്ധങ്ങളെ തരംതിരിക്കാൻ ഉപയോഗിക്കുന്ന ഒരു ഓട്ടോമേറ്റഡ് പ്രക്രിയയുടെ ഉപയോഗമാണ് അസാധുവായ വാക്കുകൾ പ്രത്യക്ഷപ്പെടാനുള്ള കാരണം. വേഡ്നെറ്റ്1980-കളിൽ പ്രിൻസ്റ്റൺ യൂണിവേഴ്സിറ്റിയിൽ സൃഷ്ടിച്ചത്. 80 ദശലക്ഷം ചെറിയ ചിത്രങ്ങളിൽ നിന്ദ്യമായ ഭാഷയുടെ സാന്നിധ്യം സ്വമേധയാ പരിശോധിക്കാൻ കഴിയാത്തതിനാൽ, ഡാറ്റാബേസിലേക്കുള്ള ആക്സസ് പൂർണ്ണമായും തടയാൻ തീരുമാനിച്ചു. ശേഖരം ഉപയോഗിക്കുന്നത് നിർത്താനും അതിന്റെ പകർപ്പുകൾ നീക്കം ചെയ്യാനും MIT മറ്റ് ഗവേഷകരോട് അഭ്യർത്ഥിച്ചു. ഏറ്റവും വലിയ വ്യാഖ്യാന ഇമേജ് ഡാറ്റാബേസിൽ സമാനമായ പ്രശ്നങ്ങൾ നിരീക്ഷിക്കപ്പെടുന്നു ഇമഗെനെത്, WordNet-ൽ നിന്നുള്ള ആങ്കറുകളും ഇത് ഉപയോഗിക്കുന്നു.

അവലംബം: opennet.ru