Kısaca Görünüşe göre Kanadalı bir güvenlik şirketi, New York'un Lockport City Okul Bölgesi'ndeki yetkililere, teknolojinin geçen yıl okullara yerleştirildiği sırada yüz tanıma kameralarının doğruluğu hakkında yalan söyledi.
Belgeler, elde Vice tarafından, SN Technologies'in CEO'su KC Flynn'in, kameralarının çalıştırılması id3 algoritmasının Ulusal Standartlar ve Teknoloji Enstitüsü tarafından incelendiğini iddia ettiğini gösterin. Flynn, ırksal önyargı testlerinde 49 arasında 139. sırada yer aldı. İd3, NIST tarafından test edilmesine rağmen, bir bilim adamı, Flynn'in tanımına uyan birini test ettiğini reddetti.
Okullar, bilgisayar görüş sistemlerinin silahları tespit edip atışları önleyebileceğine inanıyor. Ancak uzmanlar, yanlış pozitiflerin siyah öğrencilere karşı ayrımcılık yapma olasılığının daha yüksek olduğu ve olmadıklarında onları şüpheli suçlu olarak gösterdiği konusunda defalarca uyardı.
Bir rapor ayrıca SN Technologies'in yazılımının siyah insanları tespit etmede şirketin izin verdiğinden daha kötü olduğunu gösterdi. Ayrıca, süpürge sapı gibi nesneleri silah yerine yanlış anladı. Ebeveynler var dava Lockport City Okullarında kullanılacak yüz tanımayı onaylamak için New York Eyalet Eğitim Departmanı (NYSED).
ABD Başkanı, hükümeti güvenilir AI sistemleri kurmaya çağırdı
Donald Trump, bu hafta ABD hükümetinin AI teknolojisini tasarlarken ve uygularken uyacağı dokuz ilkeyi özetleyen bir yönetim emri imzaladı.
Mahremiyeti ve sivil özgürlükleri korumak için anayasal hakları ve yasaları desteklemeyi, mevcut sistemlerin doğru, şeffaf, anlaşılır olmasını ve düzenli olarak izlenmesini sağlama sözü verdi. Yazılımı dağıtan ajanslar, ilkelerin uygulanmasını sağlamaktan sorumlu tutulacaktır.
Emir, "Yapay zeka (AI), Amerika Birleşik Devletleri ekonomisinin büyümesini desteklemeyi ve tüm Amerikalıların yaşam kalitesini iyileştirmeyi vaat ediyor" dedi. “AI'nın geniş uygulanabilirliği göz önüne alındığında, neredeyse her kurum ve bu ajanslar tarafından hizmet verilenler, uygun olduğunda, Amerikan halkına fayda sağlamak için AI'yı kullanmaya devam etmeye teşvik ediliyor. Yapay zekanın devam eden benimsenmesi ve kabulü büyük ölçüde halkın güvenine bağlı olacaktır. "
Tam belgeyi okuyabilirsiniz okuyun.
DeepMind python tabanlı JAX'a dönüyor
PyTorch, AI topluluğunda tercih edilen çerçevedir. Google'ın hantal ve kullanımı zor TensorFlow'u geride bıraktı, bu nedenle arama devi daha basit bir şey bulmaya karar verdi: JAX.
PyTorch gibi JAX da Python'a dayanmaktadır. Ve bu hafta DeepMind, araştırmacılarının bunu çalışmalarında giderek daha fazla nasıl kullandıklarını anlattı. "JAX'in yeni algoritmalar ve mimarilerle hızlı deneyler yapmayı mümkün kıldığını ve şimdi son yayınlarımızın çoğunun temelini oluşturduğunu bulduk" dedi.
Araştırmacıların yazılımlarını daha hızlı oluşturmalarına ve test etmelerine olanak tanır ve modelleri eğitmek, kodu incelemek ve pekiştirmeli öğrenme deneylerinde AI aracıları oluşturmak için her türlü aracı geliştirmelerine yardımcı oldu.
Bunu daha detaylı okuyabilirsiniz okuyun.
AI altyapısı için yeni bir kıyaslama sistemi olan MLCommons
Makine öğrenimi donanımını karşılaştırmak için standart test sağlayan bir endüstri çabası olan MLPerf'in arkasındaki ekip, MLCommons olarak bilinen yeni bir proje başlattı.
MLCommons'un yönetici direktörü David Kanter, "Makine Öğrenimi, sektör genelinde paylaşılan altyapı ve anlayışa ihtiyaç duyan genç bir alandır", şuraya Bir açıklamada. "Üyelerimizle birlikte, MLCommons bu altyapıyı inşa etmek için kolektif mühendisliğe odaklanan ilk organizasyondur."
"Topluluk genelinde adalet ve şeffaflık için gerekli olacak ölçümler, veri kümeleri ve geliştirme uygulamaları oluşturmak için organizasyonu bugün başlatmaktan heyecan duyuyoruz."
Bir makinenin konuşmayı metne doğru bir şekilde transkribe etme yeteneğini test etmek için 80,000 saatten fazla konuşma örneği içeren devasa bir kamu veri seti olan People's Speech yayınladı. Örneğin bulut üzerinden böyle bir aracı satan şirketler, hangi modelin en doğru olduğunu bulmak için rekabete girebilir.
Bu kıyaslama çabaları övgüye değer olsa da, ancak mümkün olduğunca çok şirket katılırsa yararlı ve etkilidirler.
Makine öğrenimi yazılımı, maskelerle kaplı yüzleri tanımlamada daha iyi hale geldi
Koronavirüs salgını sırasında yüz maskeleri yaygın bir görüştür. Kupanızın alt yarısını kapatmak yüz tanıma yazılımının yüzleri tanımasını zorlaştırır.
NIST, bu yılın başlarında Temmuz ayında maske takmanın teknoloji üzerindeki etkilerini inceledi ve birçok satıcının aynı sorunlarla mücadele ettiğini gördü. Aynı testler şimdi tekrar yapıldı ve bu sefer işler düzeldi.
“Geliştiricilerin bazı yeni algoritmaları, öncekilerden önemli ölçüde daha iyi performans gösterdi. Bazı durumlarda, COVID öncesi ve sonrası algoritmaları arasında hata oranları 10 kat azaldı ” şuraya Bir NIST bilim adamı olan Mei Ngan. "En iyi durumda, yazılım algoritmaları maskeli yüzlerde zamanın 2.4 ila 5'i [yüzde] arasında hatalar yapıyor; bu, teknolojinin maskesiz fotoğraflarda 2017'de olduğu duruma benzer."
NIST 152 farklı algoritmayı test etti ve sonuçları bir raporda yayınladı. Bununla birlikte, onları bir tutam tuzla alın, çünkü test görüntülerinde gerçek kumaş maskeler takmak yerine yüzlerine sözde "dijital maskeler" yapıştırılmış insanların fotoğrafları kullanıldı. ®
Kaynak: https://go.theregister.com/feed/www.theregister.com/2020/12/07/in_brief_ai/
