Google разработала шкалу оттенков кожи для борьбы с «предвзятым» ИИ
Компания Google открыла исходный код 10-балльной шкалы оттенков кожи Monk Skin Tone (MST) для исследователей и разработчиков непредвзятого ИИ. В ближайшие месяцы компания планирует внедрить ее в ряд своих продуктов.
We’re making the Monk Scale available for anyone to use as a more representative skin-tone guide in research and product development. Our goal is to improve upon the scale over time in partnership with the industry. #GoogleIO ↓ https://t.co/0ZtPoWvW3s
— Google (@Google) May 11, 2022
Во время ежегодной конференции для разработчиков I/O 2022 компания показала, как применение шкалы может улучшить Google Search. Например, при поиске косметики пользователи могут уточнить оттенок кожи и получить более релевантные картинки.
Поиск изображений по запросу «Свадебный макияж» с возможностью указать оттенок кожи. Данные: Google.
Компания работает над созданием стандартизированного способа разметкии веб-контента, который позволит авторам и брендам маркировать контент атрибутами вроде оттенок кожи, цвет и текстура волос.
Шкала MST появится и в Google Photos. Компания обновит функцию постобработки фотографий с помощью искусственного интеллекта Real Tone для телефонов Pixel, представленную в 2021 году. По словам разработчиков, шкала MST позволит улучшить отображение лиц со всеми оттенками.
Новые фильтры Real Tone появятся в Google Photos на всех доступных платформах в ближайшие недели.
MST создана в сотрудничестве с профессором Гарварда Эллисом Монком. Она предназначена для более широкого охвата различных оттенков кожи.
В компании также заявили, что шкала поможет создавать более репрезентативные наборы данных для обучения и тестирования ИИ-моделей на предмет предвзятости.
Во время I/O 2022 Google представила ряд других продуктов и функций для своих сервисов с искусственным интеллектом.
Напомним, в апреле разработчики Google Lens добавили одновременный поиск по картинке и тексту.
В октябре 2021 года техгигант представил смартфоны Pixel с тензорным процессором для машинного обучения.
Источник: Источник