由北卡羅來納州達(dá)勒姆市杜克大學(xué)的程序設(shè)計(jì)團(tuán)隊(duì)設(shè)計(jì)的照片編輯工具，不僅可以為數(shù)字演示文稿提供更清晰，更清晰的圖像，而且還可以為老式視頻游戲迷帶來數(shù)小時(shí)的樂趣，他們現(xiàn)在可以為低矮的視頻生成清晰的面孔。填充早期產(chǎn)品的像素字符。但是該工具也出乎意料地浮出水面，涉及在大規(guī)模機(jī)器學(xué)習(xí)項(xiàng)目中使用數(shù)據(jù)集的偏見。

DUL研究人員創(chuàng)建了PULSE（通過潛伏空間探索進(jìn)行照片上采樣），以根據(jù)低像素源數(shù)據(jù)創(chuàng)建更逼真的圖像。在今年早些時(shí)候分發(fā)的研究論文中，該團(tuán)隊(duì)解釋了他們的方法與早期從8位圖像生成逼真的圖像的努力有何不同。

報(bào)告稱：“ PULSE不是從低分辨率圖像開始，而是慢慢添加細(xì)節(jié)，而是遍歷高分辨率自然圖像流形，搜索縮小到原始低分辨率圖像的圖像?！?/p>

這意味著他們用于構(gòu)建逼真的面部表情的算法是從大量真實(shí)人物的圖像數(shù)據(jù)集中提取的。

PULSE系統(tǒng)可以在幾秒鐘內(nèi)將16像素x 16像素的圖像轉(zhuǎn)換為1024像素乘1024像素的圖像。

連同他們的發(fā)現(xiàn)，團(tuán)隊(duì)將PULSE上傳到GitHub并鼓勵(lì)進(jìn)行實(shí)驗(yàn)。

俄羅斯開發(fā)人員Denis Malimonov上周開發(fā)并發(fā)行了自己的應(yīng)用，名為Face Depixelizer。隨著用戶上傳他們自己的幽默作品，這些作品通常來自經(jīng)典游戲，例如Minecraft的Steve和Creeper，Super Mario的Mario以及Zelda的Legend的Link，因此在Twitter上的反應(yīng)迅速。

杜克大學(xué)團(tuán)隊(duì)認(rèn)識(shí)到PULSE的娛樂價(jià)值，但指出在一個(gè)探索和研究程度更高的時(shí)代，PULSE應(yīng)該在實(shí)踐上和經(jīng)濟(jì)上證明是有用的。

報(bào)告說：“在這項(xiàng)工作中，我們旨在將模糊的低分辨率圖像轉(zhuǎn)換為清晰，逼真的高分辨率圖像?！?“在許多領(lǐng)域……由于成本，硬件限制或內(nèi)存限制等問題，很難獲得清晰的高分辨率圖像?！?/p>

他們列舉了醫(yī)學(xué)，天文學(xué)，顯微鏡和衛(wèi)星圖像作為可以從他們的努力中受益的領(lǐng)域。

但是上周末，Twitter用戶開始報(bào)告他們的實(shí)驗(yàn)趨勢(shì)令人不安。一些報(bào)告說，當(dāng)他們使用有色人種的圖像時(shí)，重新生成的圖像將它們轉(zhuǎn)換為白色圖形。前總統(tǒng)巴拉克·奧巴馬（Barack Obama），已故世界冠軍拳擊手穆罕默德·阿里（Muhammad Ali），女演員露西·劉（Lucy Liu）和紐約州眾議員亞歷山大·奧卡西奧·科爾特斯（Alexandria-Ocasio Cortez）都通過這些應(yīng)用程序被渲染為白人。

令人遺憾的結(jié)果應(yīng)該不是完全意外的。隨著機(jī)器學(xué)習(xí)和人工智能在研究項(xiàng)目中的越來越多的應(yīng)用，對(duì)海量數(shù)據(jù)集的依賴也越來越多。但是近年來的報(bào)告警告說，一些最常用的數(shù)據(jù)集包含的信息不能代表整個(gè)社會(huì)。一份報(bào)告指出，一個(gè)常用的數(shù)據(jù)庫(kù)包含的內(nèi)容是男性占74%，白人占83%，這凸顯了人們對(duì)性別偏見和種族代表不足的可能性的擔(dān)憂。

在2018年，一種執(zhí)法工具吹噓膚色淺的男人的面部識(shí)別錯(cuò)誤率低于1%，但是在確定膚色較深的受試者的性別時(shí)，卻犯了35%的驚人錯(cuò)誤。

微軟，亞馬遜和IBM最近宣布，他們將停止或限制向警察部門銷售面部識(shí)別工具，部分原因是他們對(duì)依賴人工智能的種族，性別，種族和年齡偏見的擔(dān)憂。

在錄像帶致命警察槍擊事件和黑人嫌疑人窒息事件發(fā)生后的最近幾周發(fā)生動(dòng)蕩之后，這種數(shù)據(jù)集偏差尤其令人擔(dān)憂。

正如麻省理工學(xué)院研究生，2018年大學(xué)AI偏見報(bào)告的合著者Irene Chen所說：“算法僅與使用的數(shù)據(jù)一樣好，我們的研究表明，更好的數(shù)據(jù)通常可以帶來更大的變化”。她補(bǔ)充說，不是需要更多數(shù)據(jù)來糾正偏差，而是需要提供更具代表性的數(shù)據(jù)。