来自美国俄勒冈州立大学工程学院和Adobe公司的科学家携手,开发出一种用于训练人工智能(AI)的新技术FairDeDup。该技术不仅能降低训练成本,而且有望减少AI系统的社会偏见。研究团队已经在近期于美国西雅图举行的IEEE/CVF计算机视觉和模式识别会议大会上介绍了FairDeDup算法。该会议是由电子电气工程师学会(IEEE)计算机协会和计算机视觉基金会(CVF)共同主办的全球顶级学术会议。
图片来源:物理学家组织网
FairDeDup是“公平重复数据消除”的缩写,指从用于训练AI系统的数据中删除冗余信息,从而大幅降低训练成本。研究人员表示,之所以将新方法命名为FairDeDup,也是因为它基于此前一种具有成本效益的方法SemDeDup。SemDeDup可以用更少的资源对AI进行训练。但这一过程会强化AI的社会偏见。在最新研究中,他们通过引入公平机制,对SemDeDup进行了改进,FairDeDup因此面世。
FairDeDup的工作原理是:通过一种名为“修剪”的过程,细化从网络上收集的图像字幕数据集。“修剪”指选择能代表整个数据集的数据子集。该工具可以感知内容,并决定保留或删除哪些数据。结果显示,FairDeDup删除了冗余数据,同时结合了可控的、人为定义的多样性维度,从而减少偏见。