بهبود ارزیابی شناسائی با رنگ پوست
مقیاس جدید ارزیابی رنگ پوست برای بهبود ارزیابی انصاف هوش مصنوعی توسعه یافت
31 اکتبر 2024، ساعت 5:28 بعد از ظهر به وقت EDT | آبیگیل اوپیاه
توسعهای نوآورانه در روشهای اندازهگیری رنگ پوست هوش مصنوعی، با هدف بهبود نحوه تفسیر رنگ پوست توسط هوش مصنوعی در جمعیتهای متنوع، معرفی شده است تا به رفع تعصبات قبلی در برنامههای دیجیتال کمک کند. این تحقیق در مقالهای که در اکتبر 2024 در arXiv منتشر شده است، یک مقیاس جدید به نام Colorimetric Skin Tone (CST) را برای اندازهگیری دقیق رنگ پوست معرفی میکند و در یک پست لینکدین توسط جان هاوارد، دانشمند ارشد مرکز آزمایش مریلند (MdTF) دولت ایالات متحده اعلام شده است.
تقاضای رو به رشد برای فناوریهای مبتنی بر هوش مصنوعی فراگیرتر، توسعه معیارها و روشهای ارزیابی جدید را تسریع کرده است. به طور تاریخی، سیستمهای هوش مصنوعی در نمایندگی دقیق رنگ پوست با مشکلاتی مواجه بودهاند که اغلب منجر به تعصباتی میشود که به طور عمده بر افراد با پوست تیره تأثیر میگذارد. هاوارد بر اهمیت ارزیابی رنگ پوست به عنوان گامی ضروری برای ترویج شمولیت در هوش مصنوعی تأکید میکند.
تحقیق اخیر، که در مقاله arXiv جزئیات آن آمده است، مقیاس نوع پوست فیتزپاتریک را که معمولاً برای طبقهبندی رنگ پوست بر اساس پاسخها به تابش UV استفاده میشود، گسترش میدهد تا شامل تنوعهای دقیقتری از رنگ شود. پژوهشگران رابطه بین طبقهبندیهای مقیاس فیتزپاتریک و مقیاس رنگ پوست مانک (MST) و قرائتهای یک رنگسنج کالیبره شده را اندازهگیری کردند.
اندازهگیریهای رنگیمتریک برای تولید CST استفاده شد که پژوهشگران میگویند “حساستر، سازگارتر و از نظر رنگیمتریک دقیقتر” از طبقهبندی دستی توسط انسانها است.
با معرفی این سیستم طبقهبندی وسیعتر، پژوهشگران هدف دارند رویکرد دقیقتری برای نمایندگی رنگ پوست ارائه دهند. طبق این مطالعه، سیستمهای موجود اندازهگیری رنگ پوست فاقد دقت و شمولیت هستند و ممکن است باعث شوند سیستمهای هوش مصنوعی افراد از زمینههای متنوع را نادرست شناسایی یا به طور ناکافی نمایندگی کنند.
این تحقیق توضیح میدهد که چگونه آموزش مدلهای یادگیری ماشین بر روی مجموعه دادههایی که با استفاده از معیارهای جدید رنگ پوست تهیه شدهاند میتواند با این تعصبات مقابله کند.
بحثها و انتشار مقاله arXiv هاوارد هر دو بر تأثیر هوش مصنوعی فراگیر بر انصاف اجتماعی تأکید دارند، به ویژه در زمینههایی که به نمایندگی دقیق رنگ پوست وابسته هستند. این تحقیق همچنین بر اساس انتشار مقیاس گسترشیافته رنگ پوست گوگل در سال 2022 است که ابزاری برای کاهش تعصب در هوش مصنوعی و بینایی کامپیوتری توسعه یافته است.
پژوهشگران همچنین چندین عامل پیچیده برای طبقهبندی رنگ پوست یافتند، مانند قضاوتهای متفاوت افراد بسته به پسزمینهای که موضوع خاصی در برابر آن ارائه میشود.
“اگرچه نشانهگذاری انسانی رنگ پوست ممکن است هرگز عینی نباشد”، پژوهشگران نتیجهگیری میکنند، “فرآیند میتواند با استفاده از مقیاس CST بهبود یابد.”