MIT ने वंशविद्वेषी आणि अधर्मी संज्ञा ओळखल्यानंतर लहान प्रतिमा संग्रह काढून टाकला

मॅसॅच्युसेट्स इन्स्टिट्यूट ऑफ टेक्नॉलॉजी हटवले डेटा सेट लहान प्रतिमा, 80 दशलक्ष लहान 32x32 प्रतिमांचा भाष्य संग्रह वैशिष्ट्यीकृत. कॉम्प्युटर व्हिजन टेक्नॉलॉजी विकसित करणार्‍या एका गटाने या सेटची देखभाल केली होती आणि 2008 पासून विविध संशोधकांनी मशीन लर्निंग सिस्टीममध्ये ऑब्जेक्ट ओळखण्याचे प्रशिक्षण देण्यासाठी आणि चाचणी करण्यासाठी त्याचा वापर केला आहे.

काढण्याचे कारण होते शोध चित्रांमध्ये चित्रित केलेल्या वस्तूंचे वर्णन करणार्‍या लेबल्समध्ये वर्णद्वेषी आणि गैरवर्तनवादी शब्दांचा वापर, तसेच आक्षेपार्ह समजल्या गेलेल्या प्रतिमांची उपस्थिती. उदाहरणार्थ, अपशब्दांसह गुप्तांगांच्या प्रतिमा होत्या, काही स्त्रियांच्या प्रतिमा "वेश्या" म्हणून दर्शविण्यात आल्या होत्या आणि काळ्या आणि आशियाई लोकांसाठी आधुनिक समाजात अस्वीकार्य शब्द वापरण्यात आले होते.

तथापि, एमआयटीने उद्धृत केलेला दस्तऐवज अशा संकलनातील अधिक गंभीर समस्या देखील ओळखतो: संगणक दृष्टी तंत्रज्ञानाचा वापर काही कारणास्तव निषिद्ध असलेल्या लोकसंख्या गटांच्या प्रतिनिधींचा शोध घेण्यासाठी चेहर्यावरील ओळख प्रणाली विकसित करण्यासाठी केला जाऊ शकतो; प्रतिमा निर्मितीसाठी न्यूरल नेटवर्क अनामित डेटावरून मूळ पुनर्रचना करू शकते.

अवैध शब्द दिसण्याचे कारण म्हणजे स्वयंचलित प्रक्रियेचा वापर करणे जे वर्गीकरण करण्यासाठी इंग्रजी लेक्सिकल डेटाबेसमधील सिमेंटिक संबंधांचा वापर करते. वर्डनेट, प्रिन्स्टन विद्यापीठात 1980 मध्ये तयार केले गेले. 80 दशलक्ष लहान चित्रांमध्ये आक्षेपार्ह भाषेची उपस्थिती व्यक्तिचलितपणे तपासणे शक्य नसल्यामुळे, डेटाबेसमध्ये प्रवेश पूर्णपणे अवरोधित करण्याचा निर्णय घेण्यात आला. एमआयटीने इतर संशोधकांनाही संग्रह वापरणे थांबवून त्याच्या प्रती काढून टाकण्याचे आवाहन केले. अशाच समस्या सर्वात मोठ्या भाष्य केलेल्या प्रतिमा डेटाबेसमध्ये आढळतात इमेजनेट, जे WordNet चे अँकर देखील वापरते.

स्त्रोत: opennet.ru