IBM发布人脸图像数据集来推动人脸识别研究

随着人工智能（AI）技术的广泛应用，确保AI技术没有偏见变得越来越重要。IBM计划发布一个大型的、无偏见的人脸图像数据集，以推动无偏见的人脸识别研究。

与以往相比，人类社会对人工智能系统中的偏见问题更加关注，尤其是用于识别和分析人脸图像的系统。在IBM，科研人员采取以下措施来确保以负责任的方式来创建并训练面部识别技术：

（1）导致面部分析领域出现偏见的最大问题之一是缺乏训练系统的各种数据。因此，科研人员打算在2018年秋天公开以下数据集，以作为技术行业和研究界的工具：

IBM研究院（IBM Research）的科学家正在构建的一个超过100万张图像的注释数据集，可以用于提高对面部分析偏见的理解。图像将使用属性进行注释，利用Flickr图像中的地理标记来平衡来自多个国家/地区的数据和主动学习工具，以减少样本选择偏差。目前，可用的最大面部属性数据集包含20万个图像，因此这个具有一百万个图像的新数据集将是一个巨大的进步。

一个最多包含3.6万张图像的注释数据集—其中肤色、性别和年龄呈均匀分布，由IBM Research注释，能够为人们评估其技术提供更加多样化的数据集。这将为算法设计人员识别和解决面部分析系统中的偏见提供特别帮助。解决偏见问题的第一步是确认存在偏见--这就是该数据集的目标所在。

（2）2018年早些时候，IBM极大地增强了用于面部分析的Watson视觉识别服务的准确性，这使得面部分析的错误率降低了近十倍。IBM正在举办一个技术研讨会（由IBM Research与马里兰大学合作），以确定并减少将于2018年9月14日与ECCV 2018联合使用的面部分析系统中的偏见。使用IBM面部图像数据集的竞赛结果将公布在该研讨会上。此外，IBM的研究人员将继续与广大的利益相关者、用户和专家合作，以了解可能影响AI决策的其他偏见和漏洞，从而不断改善系统。

人工智能拥有改善人们生活和工作方式的重要力量，但前提是对人工智能系统的开发和培训是负责任的，且该类系统能够产生让我们信任的结果。确保系统接受平衡的数据培训和消除偏见对建立这种信任至关重要。

随着对AI应用的不断增加，防止偏见进入AI系统正在成为最受关注的问题。IBM相信任何技术--无论多么准确--都不能够或不应该取代人类的判断力、直觉和专业知识。像人工智能这样的先进创新技术的威力在于它们能够增强而非取代人类的决策能力。因此，任何使用AI的组织（包括视觉识别或视频分析功能）都必须对使用AI的团队进行培训，以了解偏见（包括隐性和无意识的偏见），对其进行监控，并知道如何消除偏见。