机构名称：
¥ 1.0
许多人工智能系统都依赖于标签，即在给定输入后，从一系列标签中选择一种来描述它。面部识别技术也是如此，其输入是一张脸，标签通常基于二进制系统，将数据分为男性/女性、儿童/成人和人类/动物等类别。近年来，计算机科学、人工智能和信息学领域的学者们对面部识别技术在种族和性别方面存在的问题进行了批判性研究，并指出了该技术存在的问题 [1,2,3,4]。先前的研究已经发现了一些关键问题，这些问题引发了人们对该技术的可靠性甚至实用性的担忧。例如，用于训练这些系统的数据通常不具代表性。在大多数情况下，绝大多数是白人和男性，这意味着肤色较深的女性被误分类的比例不成比例，正如对面部识别性别分类系统的综合分析所发现的那样 [1]。此外，训练数据集通常由从社交媒体 [5] 中抓取的图像组成，这意味着（除了隐私问题之外）它们只捕获那些使用社交媒体的人，具体
超越二元对立——酷儿人工智能，共创包容未来
主要关键词
相关文件推荐
