Perché i set di immagini inclusivi ci aiutano a creare prodotti migliori

Immagini inclusive per prodotti migliori

Siamo impegnati a rendere i nostri prodotti più inclusivi in diversi modi. Una delle sfide più grandi che abbiamo affrontato è stata trovare e utilizzare dati rappresentativi. Vogliamo riflettere le esperienze e le esigenze di tutte le persone che utilizzano i prodotti Google, in particolare le persone provenienti da contesti storicamente marginalizzati.

Quando i prodotti non vengono costruiti utilizzando dati diversi e rappresentativi, possono finire per essere meno utili per tutti. Quindi abbiamo ritrained alcuni dei nostri modelli di apprendimento automatico precedenti con dataset più inclusivi: insiemi di dati che utilizziamo per costruire i nostri prodotti hardware e software.

Questo è particolarmente importante per i prodotti che si basano su telecamere, come scattare una foto o utilizzare lo sblocco del viso sul tuo telefono. Siamo stati in grado di utilizzare dataset più inclusivi per creare Real Tone su Google Pixel, che rappresenta tonalità di pelle in modo autentico e bello per tutti gli utenti.

Negli ultimi due anni il nostro team ha collaborato con i nostri colleghi del team di Innovazione Responsabile per lavorare con l’azienda di fotografia stock TONL, il cui nome è un omaggio all’importanza di catturare tutte le tonalità di pelle in modo accurato e bello. Hanno lavorato con noi per reperire migliaia di immagini di persone provenienti da contesti storicamente marginalizzati. Abbiamo cercato di includere fotografie di modelli di tutto lo spettro di genere, modelli con tonalità di pelle più scure e modelli con disabilità (e persone che rappresentano le intersectionalità di queste identità). Il progetto si è ora ampliato includendo il lavoro con Chronicon e RAMPD per reperire immagini personalizzate che ritraggono e mettono al centro individui con condizioni croniche e disabilità.

• Google AI propone una politica universale (UniPi) che affronta la diversità ambientale e le sfide di specificazione delle ricompense
• 150+ Suggerimenti di loghi di viaggio a metà percorso
• Iniziare con Weaviate Una guida per principianti alla ricerca con database vettoriali

Google sta utilizzando questi dataset di immagini per aiutare i team di prodotto a individuare potenziali sfide di equità nei modelli di apprendimento automatico che stanno sviluppando. Siamo ansiosi di continuare a migliorare la rappresentazione dei nostri dataset per garantire di costruire le tecnologie più inclusive ed equilibrate possibili per tutti gli utenti.

Il team di Google Skin Tone in Responsible AI ha anche lavorato con TONL per curare il dataset Monk Skin Tone Examples (MST-E), che include esempi di 19 persone le cui tonalità di pelle spaziano su una scala Monk Skin Tone (MST) a 10 punti. Il dataset contiene 1515 immagini e 31 video che ritraggono persone in varie pose e condizioni di illuminazione, oltre che con o senza accessori come maschere o occhiali. Poiché i modi in cui le persone classificano le tonalità di pelle possono essere soggettivi, il dott. Monk ha annotato personalmente le immagini delle persone presenti nel dataset. Speriamo che questo dataset aiuti i professionisti a insegnare agli annotatori umani come testare le annotazioni di tonalità di pelle coerenti in diverse condizioni, come illuminazione alta e bassa. Questo aiuta ultimamente a rendere i prodotti basati sull’intelligenza artificiale migliori per persone di tutte le tonalità di pelle.

Attraverso questi progetti, speriamo di continuare a lavorare verso il nostro obiettivo di migliorare la valutazione delle tonalità di pelle nei modelli di apprendimento automatico in generale. Visita skintone.google per saperne di più.