Meta släpper nu verktyget FACET (”FAirness in Computer Vision EvaluaTion”) som forskare kan använda för att utvärdera hur pass bra deras modeller för datorseende är på att uppfatta olika variabler, så som kön och hudfärg.
Historiskt sett har modeller för datorseende ofta visat sig vara partiska, vilket dels berott på att de tränats upp på vad som visat sig vara partisk data. Tanken med FACET är att verktyget ska kunna användas för att åtgärda modellernas brister.
FACET kan exempelvis användas för att svara på frågor som ifall en modell är bättre på att klassa människor som skateboardåkare ifall deras uppfattade kön har mer stereotypiskt manliga attribut. Verktyget kan också utvärdera om en modell har svårare att upptäcka personer med mörkare hudfärg och om problemet förvärras av att personen har krulligt snarare än rakt hår.
Meta ska ha byggt FACET med hjälp av en datasamling bestående av 32 000 bilder som innehåller totalt 50 000 personer. Innehållet i samtliga bilder har sedan fått demografiska taggar som satts av mänskliga experter.
Läs också: Forskare – VR-headset hotar personliga integriteten