Stories
-
قمة المواجهات في نيويورك
RT STORIES
آخر جمعية عامة لغوتيريش.. وأسئلة كبرى تنتظر خلَفه
#اسأل_أكثر #Question_MoreRT STORIES
بزشكيان في ديار ترامب.. هل يتكرر "مشهد السادات" بنسخة إيرانية؟
#اسأل_أكثر #Question_MoreRT STORIES
من يمثل الدول العربية في الجمعية العامة للأمم المتحدة لعام 2026 ومتى يلقي القادة كلماتهم؟
#اسأل_أكثر #Question_MoreRT STORIES
لماذا تتحدث البرازيل أولا؟ وهل يمكن أن يجلس "عدوان جنبا إلى جنب" في الجمعية العامة للأمم المتحدة؟
#اسأل_أكثر #Question_MoreRT STORIES
عرفات وتشافيز والقذافي.. خطابات ومشاهد هزت أروقة الأمم المتحدة
#اسأل_أكثر #Question_MoreRT STORIES
صورة لفتت الأنظار.. ما سر الأساور المتشابهة لأعضاء الوفد السوري في نيويورك؟
#اسأل_أكثر #Question_More
قمة المواجهات في نيويورك
-
من دونيتسك لكييف والتطويق الكبير
RT STORIES
الدفاع الروسية: تحييد 50 جنديا أوكرانيا في منطقة تطويق جديدة في دونيتسك
#اسأل_أكثر #Question_MoreRT STORIES
الدفاع الروسية: ضربنا منشآت لقطاعي الصناعة والطاقة والمجمع الصناعي الدفاعي في أوكرانيا
#اسأل_أكثر #Question_MoreRT STORIES
الجيش الأوكراني يفشل في إسقاط أي صاروخ باليستي خلال الغارات الروسية الأخيرة
#اسأل_أكثر #Question_More
من دونيتسك لكييف والتطويق الكبير
دراسة تكشف "عنصرية" الذكاء الاصطناعي!
كشفت دراسة أجراها معهد ماساتشوستس للتكنولوجيا عن الطريقة التي يجمع من خلالها نظام الذكاء الاصطناعي البيانات، ما يجعله عنصريا ومتحيزا جنسيا.
ودرس الباحثون مجموعة من الأنظمة، فوجدوا أن العديد منها أظهر تحيزا صادما، ثم طوروا نظاما يساعدهم على التأكد من أن أنظمتهم أقل تحيزا.
وقالت كبيرة الباحثين، إيرين تشن، وهي طالبة دكتوراه كتبت الورقة البحثية مع البروفيسور، ديفيد سونتاج، وزميل الدكتوراه فردريك د.جوهانسون: "إن علماء الكمبيوتر يسارعون في كثير من الأحيان إلى القول بأن الطريقة التي تجعل هذه الأنظمة أقل انحيازا، هي ببساطة تصميم خوارزميات أفضل".
واستطردت موضحة: "تظهر الأبحاث أنه يمكنك في كثير من الأحيان إحداث فرق أكبر مع بيانات أفضل".

الذكاء الاصطناعي.. كاميرات مراقبة ترصد المطلوبين دون تصوير وجوههم
وفي أحد الأمثلة، درس فريق البحث نظام التنبؤ بالدخل، فوجد أنه من المرجح أن يُساء تصنيف الموظفات على أساس دخلهن المنخفض، والموظفين على أنهم من ذوي الدخل المرتفع.
ووجد الباحثون أنهم إذا قاموا بزيادة مجموعة البيانات الدقيقة، فإن تلك الأخطاء ستقل بنسبة 40%.
وتقول "تشن" إن واحدة من أكبر المفاهيم الخاطئة، تتمثل في أن زيادة البيانات (بغض النظر عن الدقة) تكون دائما أفضل.
ويقول سونتاج: "إننا نعتبر هذا بمثابة صندوق أدوات لمساعدة مهندسي التعلم الآلي على معرفة الأسئلة التي يجب طرحها في بياناتهم، من أجل تشخيص سبب قيام الأنظمة بإجراء تنبؤات غير عادلة".
ومن المقرر أن يقدم الفريق الورقة البحثية في ديسمبر، خلال المؤتمر السنوي المتعلق بنظم معالجة المعلومات العصبية (NIPS)، في مونتريال.
المصدر: ديلي ميل
التعليقات