该论文介绍，计算机视觉广泛应用于自动驾驶车辆到面部识别技术等领域。许多计算机视觉使用的AI 模型，其训练数据存在缺陷，可能未经同意收集，经常来自网络大规模图像抓取。人们也已发现，AI 模型可能会反映出延续性别歧视、种族歧视或其他刻板印象的偏见。 在本项研究中，索尼AI团队构建了一个图像数据集，在同意机制、多样性和隐私等多方面努力采取最 佳实践：FHIBE包含81个国家或地区中1981个个体的10318张图像，该数据库涵盖人口统计和生理特征 的全面标注，包括年龄、代词类别、祖先血统、发色与肤色等；参与者获得关于项目和潜在风险的详细 信息，帮助他们做出知情同意，过程符合全面数据保护法规。这些特征使该数据库成为评估AI偏见的 可靠资源。 研究团队将FHIBE和27个现有以人类为中心的计算机视觉应用数据集进行比较，发现FHIBE数据集在多 样性与AI评估的可靠同意方面标准更高，同时还有效减少了偏见，它包含的参与者自我申报标注信息 超过其他数据集，还包括了相当比例通常代表性不足的人群。 本项研究的相关图像数据(图片来自论文)。施普林格·自然 供图 国际最新研究构建超万张人类图像数据库 评估人工智能视觉偏见 中新网北京1 ...