Taasisi ya Teknolojia ya Massachusetts seti ya data , inayoangazia mkusanyiko wa maelezo ya picha ndogo milioni 80 za 32x32. Seti hiyo ilidumishwa na kikundi kinachounda teknolojia ya maono ya kompyuta na imetumiwa tangu 2008 na watafiti mbalimbali kutoa mafunzo na kujaribu utambuzi wa kitu katika mifumo ya kujifunza ya mashine.
Sababu ya kuondolewa ilikuwa matumizi ya maneno ya ubaguzi wa rangi na wanawake katika lebo zinazoelezea vitu vilivyoonyeshwa kwenye picha, pamoja na uwepo wa picha ambazo zilionekana kuwa za kukera. Kwa mfano, kulikuwa na picha za sehemu za siri zenye maneno ya misimu, picha za baadhi ya wanawake zilijulikana kama βmakahaba,β na maneno ambayo hayakukubalika katika jamii ya kisasa kwa watu weusi na Waasia yalitumiwa.
Hata hivyo, hati iliyotajwa na MIT pia inabainisha matatizo makubwa zaidi na makusanyo hayo: teknolojia ya maono ya kompyuta inaweza kutumika kuendeleza mifumo ya utambuzi wa uso kutafuta wawakilishi wa makundi ya watu ambayo yamekatazwa kwa sababu fulani; mtandao wa neva wa kutengeneza picha unaweza kuunda upya ya awali kutoka kwa data isiyojulikana.
Sababu ya kuonekana kwa maneno batili ilikuwa matumizi ya mchakato wa kiotomatiki unaotumia uhusiano wa kisemantiki kutoka kwa hifadhidata ya kamusi ya Kiingereza ili kuainisha. , iliyoundwa katika miaka ya 1980 katika Chuo Kikuu cha Princeton. Kwa kuwa haiwezekani kuangalia kwa mikono uwepo wa lugha ya kukera katika picha ndogo milioni 80, iliamuliwa kuzuia kabisa ufikiaji wa hifadhidata. MIT pia iliwasihi watafiti wengine kuacha kutumia mkusanyiko na kuondoa nakala zake. Matatizo sawa yanazingatiwa katika hifadhidata kubwa zaidi ya picha iliyofafanuliwa , ambayo pia hutumia nanga kutoka kwa WordNet.
Chanzo: opennet.ru