Викторина, связанная с руководством · Средний Уровень
Гендерные оттенки и проверка предвзятости распознавания лиц
Тестирует метод межсекционного аудита Gender Shades, разницу между гендерной классификацией и идентификацией, а также демографические данные NIST.
Вопрос 1 из 8
Службы анализа лиц каких компаний прошли аудит оригинального исследования «Гендерные оттенки»?
Предварительный просмотр каждого вопроса8 вопросы
Ответы и пояснения появляются по мере прохождения теста.
- Службы анализа лиц каких компаний прошли аудит оригинального исследования «Гендерные оттенки»?
- Google, Apple и Meta
- Amazon, Кайрос и Clearview
- IBM, Microsoft и Face++
- NEC, Idemia и Cognitec
- На чем основывался эталонный показатель пилотных парламентов?
- Изображения членов парламентов трех африканских и трех европейских стран
- Фотографии знаменитостей, взятые из сети
- Фотографии из полицейских управлений США
- Синтетические лица, созданные нейронной сетью
- Какую шкалу использовали исследователи для обозначения типа кожи?
- Шкала оттенков кожи монаха
- Шкала Фитцпатрика
- Цветовая система Манселла
- Категория расы, о которой сообщается самостоятельно
- Какую задачу на самом деле измеряла Gender Shades?
- Идентификация лиц «один-ко-многим» по полицейским базам данных
- Распознавание эмоций
- Распознавание лиц на видео
- Гендерная классификация
- В какой подгруппе был самый высокий уровень ошибок в гендерных оттенках?
- Темнокожие женщины
- Светлокожие женщины
- Темнокожие мужчины
- Светлокожие мужчины
- Что выявило последующее исследование «Действительный аудит» 2019 года?
- Ни один поставщик не изменил свою систему
- Все различия были устранены в масштабах всей отрасли.
- Проверенные компании сократили свои разрывы, в то время как непроверенные поставщики продемонстрировали аналогичные различия.
- Данные первоначального исследования были сфабрикованы
- Почему единый порог сходства может привести к неравным результатам в разных группах?
- Пороги распространяются только на мужчин.
- Один и тот же порог может привести к очень разным показателям ложного совпадения для разных групп.
- Пороги выбираются случайным образом для каждого запроса
- Пороговые значения влияют на скорость, но не на ошибки
- Реакция какого поставщика произошла в июне 2020 года?
- Microsoft начал продавать систему распознавания лиц всей полиции США
- Face++ опубликовал данные своих тренировок
- NIST запретил распознавание лиц
- IBM заявила, что покинет бизнес по распознаванию лиц общего назначения