Фэйс что это: фэйс | это… Что такое фэйс?

Множественное число:

Идиомы, фразовые глаголы, относящиеся к лицу

• лицом к лицу с музыкой
• лицом к лицу
• лицом к лицу
• показывать (своему) лицу
• показывать (своему) лицу
• быть ( или получать) кому-то в лицо 0248 лицевой стороной вверх
• лицевой стороной вверх до
• лететь в лицо
• кому-то в лицо
• смотреть в лицо
• делать рожи
• смотреть в лицо
• вытягивать вытянутое лицо
• делать дерзкие рожи
• ставить лицом к лицу
• показать лицо
• кому-то в лицо

Происхождение лица

• Заменил исконно среднеанглийское onlete («лицо, лицо, внешний вид»), от староанглийского anwlite ; сравните древнеанглийское ansīen («лицо»), среднеанглийское neb («лицо, нос») (от древнеанглийского nebb ), среднеанглийское ler, leor, leer («лицо, щека, выражение лица») ( от древнеанглийского hlēor ) и среднеанглийского языка, не являющегося родным vis («лицо, вид, вид») (от старофранцузского vis ).

  От Викисловарь

• Из среднеанглийского face , из англо-нормандского face и старофранцузского face (современный французский face ), из вульгарной латыни * facia , от латинского facies («форма, вид» ), от facere («делать, делать»).

  От Викисловарь

• Среднеанглийский из Старофранцузский из Вульгарная латынь facia из Латинский faciēs dhē- в индоевропейских корнях 90 003

  От Словарь английского языка американского наследия, 5-е издание

Реклама

Статьи по теме

Лицо также упоминается в

• лицом вверх
• воздушный змей
• середина лица
• наглый
• родезийский мужчина
• белолицый
• корь
• лицевая салфетка
• reface
• ритидэктомия
• ly nx
• моллюск

Найдите похожие слова

Найдите похожие слова на лицо с помощью кнопок ниже.

Слова, начинающиеся с

ФФФААК

Расшифровывает

Реклама

Слова рядом с лицом в словаре

• faburden
• fac
• fac-brat
• фасад-узор
• фасадизм
• лицо
• лицо ague
90 248 угол лица
• лицо вдали
• лицо-боль
• лицо-слепота
• лицо-боль

Точность распознавания лиц, если вы белый парень

Технология|Распознавание лиц точна, если вы белый парень

Реклама

• 9 февраля 2018 г.

Технология распознавания лиц совершенствуется как на дрожжах. Некоторые коммерческие программы теперь могут определить пол человека на фотографии.

Если человек на фотографии белый, программа работает правильно в 99% случаев.

Но чем темнее кожа, тем больше ошибок возникает — до почти 35 процентов для изображений темнокожих женщин, согласно новому исследованию, которое открывает новые возможности, измеряя, как технология работает на людях разных рас и полов.

Эти разрозненные результаты, рассчитанные Джой Буоламвини, исследователем из Массачусетского технологического института. Media Lab, покажите, как некоторые предубеждения в реальном мире могут проникать в искусственный интеллект, компьютерные системы, которые информируют о распознавании лиц.

В современном искусственном интеллекте правят данные. А.И. программное обеспечение настолько умно, насколько умны данные, используемые для его обучения. Если в системе намного больше белых мужчин, чем черных женщин, она будет хуже идентифицировать черных женщин.

Согласно другому исследованию, один из широко используемых наборов данных для распознавания лиц, по оценкам, более чем на 75 процентов состоит из мужчин и более чем на 80 процентов из белых.

Новое исследование также поднимает более широкие вопросы о справедливости и подотчетности в области искусственного интеллекта в то время, когда инвестиции в эту технологию стремительно растут.

Сегодня компании используют программное обеспечение для распознавания лиц различными способами, в том числе для помощи в таргетированном представлении продуктов на основе изображений профилей в социальных сетях. Но компании также экспериментируют с идентификацией лица и другими ИИ. технология как компонент автоматизированных решений с более высокими ставками, таких как найм и кредитование.

Исследователи из Джорджтаунской школы права подсчитали, что 117 миллионов взрослых американцев участвуют в сетях распознавания лиц, используемых правоохранительными органами, и что афроамериканцы, скорее всего, будут выделены, потому что они были непропорционально представлены в базах данных фотографий.

Технология распознавания лиц пока слабо регулируется.

«Сейчас самое время поговорить о том, как эти А. И. системы работают, а там, где они терпят неудачу, — сделать их социально ответственными», — сказал Суреш Венкатасубраманян, профессор компьютерных наук в Университете Юты.

До сих пор имелись неподтвержденные свидетельства ошибок компьютерного зрения, а иногда и способов, предполагающих дискриминацию. В 2015 году, например, Google пришлось извиняться за то, что его фотоприложение для распознавания изображений изначально назвало афроамериканцев «гориллами».

Сорелл Фридлер, ученый-компьютерщик из Хаверфордского колледжа и рецензирующий редактор исследовательской статьи г-жи Буоламвини, сказала, что эксперты давно подозревали, что программы распознавания лиц работают по-разному в разных группах населения.

«Но это первая известная мне работа, которая показывает это эмпирически», — сказала мисс Фридлер.

Мисс Буоламвини, молодой афроамериканский ученый-компьютерщик, на себе испытала предвзятость распознавания лиц. По ее словам, когда она была студенткой Технологического института Джорджии, программы хорошо работали с ее белыми друзьями, но совсем не узнавали ее лица. Она полагала, что это недостаток, который обязательно будет исправлен в ближайшее время.

Но несколько лет спустя, после поступления в M.I.T. Media Lab, она снова столкнулась с проблемой пропавшего лица. Только когда она надела белую маску, программа распознала ее лицо.

К тому времени программное обеспечение для распознавания лиц все больше переходило из лабораторий в массовое производство.

«Хорошо, это серьезно», — вспомнила она тогда. «Пора что-то делать».

Поэтому она обратила свое внимание на борьбу с предвзятостью, встроенной в цифровые технологии. Сейчас ей 28 лет, она учится в докторантуре, после учебы в качестве стипендиата Родса и стипендиата программы Фулбрайта, она является сторонником новой области «алгоритмической подотчетности», которая стремится сделать автоматизированные решения более прозрачными, объяснимыми и справедливыми.

Ее короткое выступление на TED о закодированной предвзятости было просмотрено более 940 000 раз, и она основала Алгоритмическую лигу справедливости, проект для повышения осведомленности об этой проблеме.

В своей недавно опубликованной статье, которая будет представлена ​​на конференции в этом месяце, г-жа Буоламвини изучила производительность трех ведущих систем распознавания лиц — Microsoft, IBM и Megvii из Китая — путем классификации того, насколько хорошо они могут угадывать пол человека. люди с разным оттенком кожи. Эти компании были выбраны потому, что они предлагали функции гендерной классификации в своем программном обеспечении для анализа лиц, а их код был общедоступен для тестирования.

Она обнаружила, что все они не нужны.

Для тестирования коммерческих систем г-жа Буоламвини создала набор данных из 1270 лиц, используя лица законодателей из стран с высоким процентом женщин на должностях. Источники включали три африканские страны с преимущественно темнокожим населением и три скандинавские страны с преимущественно светлокожим населением.

Лица африканцев и скандинавов были оценены в соответствии с шестибалльной системой классификации, используемой дерматологами для классификации типов кожи. Медицинские классификации были определены как более объективные и точные, чем расовые.

Затем программное обеспечение каждой компании было протестировано на тщательно отобранных данных, созданных с учетом гендерного баланса и различных оттенков кожи. Результаты несколько различались. Уровень ошибок Microsoft для темнокожих женщин составил 21%, а у IBM и Megvii — почти 35%. Все они имели частоту ошибок ниже 1 процента для светлокожих мужчин.

Г-жа Буоламвини поделилась результатами исследования с каждой из компаний. IBM заявила ей в заявлении, что компания неуклонно совершенствует свое программное обеспечение для анализа лиц и «глубоко привержена» «беспристрастным» и «прозрачным» услугам. Компания заявила, что в этом месяце она представит улучшенный сервис с почти 10-кратным увеличением точности для темнокожих женщин.

Microsoft заявила, что «уже предприняла шаги для повышения точности нашей технологии распознавания лиц» и инвестирует в исследования, «чтобы распознавать, понимать и устранять предвзятость».

Соавтором статьи г-жи Буоламвини является Тимнит Гебру, которая описала свою роль советника. Г-жа Гебру — ученый в Microsoft Research, работающий над справедливостью, подотчетностью, прозрачностью и этикой в ​​области ИИ. группа.

Г-жа Буоламвини публикует свой набор данных для дальнейшего использования другими. Она описывает свое исследование как «отправную точку, в значительной степени первый шаг» к решениям.

Г-жа Буоламвини предпринимает дальнейшие шаги в техническом сообществе и за его пределами. Она работает с Институтом инженеров по электротехнике и электронике, крупной профессиональной организацией в области вычислительной техники, над созданием группы для разработки стандартов подотчетности и прозрачности программного обеспечения для анализа лиц.

Она регулярно встречается с другими учеными, общественно-политическими группами и благотворительными организациями, обеспокоенными влиянием искусственного интеллекта. Даррен Уокер, президент Фонда Форда, сказал, что новая технология может стать «платформой для возможностей», но этого не произойдет, если она будет воспроизводить и усиливать предвзятость и дискриминацию прошлого.

«Идет битва за справедливость, инклюзивность и справедливость в цифровом мире», — сказал г-н Уокер.

Часть проблемы, по словам ученых, заключается в том, что внутри ИИ так мало разнообразия. сообщество.

«У нас было бы гораздо больше самоанализа и ответственности в области искусственного интеллекта.