Facebook, yapay zeka algoritmalarının ten rengi, yaş ve cinsiyetleri tespit etme ve farklı koşullarda aynı performansı sunabilme noktasında ne durumda olduklarının test edilmesinde kullanılabilecek 10 TB'lık bir veri seti yayınladı. Bu veri seti, makine öğrenimi ve yapay zeka alanında çalışan araştırmacıların projelerini geliştirmelerine yardımcı olacak.

Yapay zekaların kullanımı, artık günlük hayatımızın neredeyse her anına eşlik eder durumda. Kullandığımız telefonları, evlerimizi, baktığımız bütün ekranları giderek daha akıllı hale getiren yapay zeka, etki alanının hızla artmasını her geçen gün gelişen yetkinliklerine borçlu. Yapay zeka algoritmaları geliştiren araştırmacıların en önemli sorunlarından biri ise özellikle ses ve görüntü tanıma noktasında farklı koşullarda ve farklı insanlarda eşit derecede başarılı sonuçlar elde edebilme durumu.

Facebook da bugün, tam da bu konuda araştırmacılara yardımcı olacak yeni bir veri seti yayınladı. Casual Conversations ismi ile yayınlanan 10 TB'lik veri setinde 3011 katılımcıdan alınmış toplamda 45 bin dakikalık videolar var. Farklı ten rengi, yaş ve cinsiyetten kişilerden, izinleri doğrultusunda anlaşmalı olarak toplanan bu veriler, yapay zeka algoritmalarının geliştirilmesi noktasında kullanılabilecek.

Veri setinin yayınlanmasının temel amacı, yapay zekanın her renkten, her yaştan ve her cinsiyetten insana eşit davranıp davranmadığını test ederek bu noktada gelişmesine yardımcı olmak. Facebook AI Red Team'in araştırma yöneticisi Cristian Canton, geliştiricilerin bu veri setinden tam olarak nasıl yararlanacaklarını anlatmak için bir Facebook Portal örneği kullanmış. Facebook'un özellikle görüntülü görüşmelerin kalitesini artırmak için geliştirdiği ve sonrasında yeni özellikler ile güçlendirdiği Portal, akıllı kamerası sayesinde büyük kullanım kolaylıkları sunuyor.

Canton, örneğinde ise durumu şöyle özetliyor: "Portal cihazını düşünün. İçinde insanları izleyen bir kameramız var. Bugün bu teknolojiyi geliştiren mühendis olsaydım, kapsayıcı olduğundan emin olmak için yayınladığımız bu veri kümesini alıp portaldaki izleme algoritması aracılığıyla çalıştırabilir; nerede iyi performans göstermediğini ölçebilirdim. Örneğin, belli bir yaş, renk veya cinsiyetteki bir kişi için düşük ışıkta işe yaramadığını fark edebilirdim O zaman algoritmamın belirli bir alt grup için eksikliği olduğunu anlardım.''

Ekip aynı zamanda veri setinin çeşitliliğini artırmak için gelecekte dünyanın farklı ülkelerinden kişileri içeren bir çalışma da yapmayı hedefliyor. Böylelikle yapay zeka algoritmalarının tüm insanlar için eşit seviyede performans sunabilmesi amaçlanıyor.

Kaynak: webtekno.com