为了减少种族差异对面部识别系统的影响,已经尝试过去提供更全面的训练数据,但这通常需要手动添加新数据。麻省理工学院的CSAIL(计算机科学和ai人工智能实验室)目前正在尝试创建更好的解决方案,他们希望使用新算法自动减少训练数据中的种族影响,以进一步增强人脸识别AI的范围。目的。据说该程序将首先扫描数据,然后在确定其确保数据可以正确覆盖不同性别、肤色的人的倾向后重新对其进行重新采样。

虽然在这个阶段该计划尚未完全消除相关影响,但其效果似乎非常显着。经麻省理工学院测试后,它可以将“分类趋势”降低60%而不影响识别准确性。此外,它的效率高于一般解决方案,从而节省了时间,特别是在执行规模数据收集任务时。然而,实际使用该解决方案仍需要一些时间,但对于越来越依赖于人脸识别的当今社会而言,非常期待这种改进技术发展方向