ਏਆਈ ਪ੍ਰਤੀ ਸੁਚੇਤ ਪਹੁੰਚ ਅਪਣਾਉਣ ਨਾਲ ਪੱਖਪਾਤੀ ਡੇਟਾ ਸੈਟਾਂ ਨੂੰ ਕਿਵੇਂ ਘਟਾਇਆ ਜਾ ਸਕਦਾ ਹੈ

ਪੱਖਪਾਤੀ ਡੇਟਾਸੈੱਟ ਅਤੇ ਨੈਤਿਕ ਏ.ਆਈ

ਏਆਈ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਹੱਲਾਂ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੋਣ ਲਈ ਡੇਟਾ ਸੈਟਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ. ਅਤੇ ਉਹਨਾਂ ਡੇਟਾ ਸੈਟਾਂ ਦੀ ਸਿਰਜਣਾ ਇੱਕ ਯੋਜਨਾਬੱਧ ਪੱਧਰ ਤੇ ਇੱਕ ਨਿਰਪੱਖ ਪੱਖਪਾਤ ਸਮੱਸਿਆ ਨਾਲ ਭਰੀ ਹੋਈ ਹੈ. ਸਾਰੇ ਲੋਕ ਪੱਖਪਾਤ (ਚੇਤੰਨ ਅਤੇ ਬੇਹੋਸ਼ ਦੋਵੇਂ) ਤੋਂ ਪੀੜਤ ਹਨ. ਪੱਖਪਾਤ ਕਈ ਰੂਪ ਲੈ ਸਕਦੇ ਹਨ: ਭੂਗੋਲਿਕ, ਭਾਸ਼ਾਈ, ਸਮਾਜਿਕ-ਆਰਥਿਕ, ਲਿੰਗਵਾਦੀ, ਅਤੇ ਨਸਲਵਾਦੀ। ਅਤੇ ਉਹ ਯੋਜਨਾਬੱਧ ਪੱਖਪਾਤ ਡੇਟਾ ਵਿੱਚ ਪੱਕੇ ਹੋਏ ਹਨ, ਜਿਸਦੇ ਨਤੀਜੇ ਵਜੋਂ ਏਆਈ ਉਤਪਾਦ ਹੋ ਸਕਦੇ ਹਨ ਜੋ ਪੱਖਪਾਤ ਨੂੰ ਸਥਾਈ ਅਤੇ ਵਧਾਉਂਦੇ ਹਨ. ਸੰਗਠਨਾਂ ਨੂੰ ਡੇਟਾ ਸੈੱਟਾਂ ਵਿੱਚ ਫੈਲਣ ਵਾਲੇ ਪੱਖਪਾਤ ਨੂੰ ਘਟਾਉਣ ਲਈ ਇੱਕ ਸੁਚੇਤ ਪਹੁੰਚ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਉਦਾਹਰਣਾਂ ਜੋ ਪੱਖਪਾਤ ਸਮੱਸਿਆ ਨੂੰ ਦਰਸਾਉਂਦੀਆਂ ਹਨ

ਇਸ ਡੇਟਾ ਸੈੱਟ ਪੱਖਪਾਤ ਦੀ ਇੱਕ ਮਹੱਤਵਪੂਰਣ ਉਦਾਹਰਣ ਜਿਸਨੇ ਉਸ ਸਮੇਂ ਬਹੁਤ ਸਾਰੀਆਂ ਨਕਾਰਾਤਮਕ ਪ੍ਰੈਸਾਂ ਨੂੰ ਇਕੱਠਾ ਕੀਤਾ ਸੀ, ਇੱਕ ਰੈਜ਼ਿਊਮੇ ਰੀਡਿੰਗ ਹੱਲ ਸੀ ਜੋ ਔਰਤਾਂ ਨਾਲੋਂ ਮਰਦ ਉਮੀਦਵਾਰਾਂ ਦਾ ਪੱਖ ਪੂਰਦਾ ਸੀ। ਇਹ ਇਸ ਲਈ ਹੈ ਕਿਉਂਕਿ ਭਰਤੀ ਟੂਲ ਦੇ ਡੇਟਾ ਸੈੱਟਾਂ ਨੂੰ ਪਿਛਲੇ ਦਹਾਕੇ ਤੋਂ ਰੈਜ਼ਿਊਮੇ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਸੀ ਜਦੋਂ ਜ਼ਿਆਦਾਤਰ ਬਿਨੈਕਾਰ ਪੁਰਸ਼ ਸਨ। ਡਾਟਾ ਪੱਖਪਾਤੀ ਸੀ ਅਤੇ ਨਤੀਜੇ ਉਸ ਪੱਖਪਾਤ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ. 

ਇੱਕ ਹੋਰ ਵਿਆਪਕ ਤੌਰ ਤੇ ਰਿਪੋਰਟ ਕੀਤੀ ਗਈ ਉਦਾਹਰਣ: ਸਾਲਾਨਾ ਗੂਗਲ ਆਈ/ਓ ਡਿਵੈਲਪਰ ਕਾਨਫਰੰਸ ਵਿੱਚ, ਗੂਗਲ ਨੇ ਏਆਈ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਚਮੜੀ ਵਿਗਿਆਨ ਸਹਾਇਤਾ ਸਾਧਨ ਦੀ ਇੱਕ ਝਲਕ ਸਾਂਝੀ ਕੀਤੀ ਜੋ ਲੋਕਾਂ ਨੂੰ ਇਹ ਸਮਝਣ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰਦੀ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਦੀ ਚਮੜੀ, ਵਾਲਾਂ ਅਤੇ ਨਹੁੰਆਂ ਨਾਲ ਜੁੜੇ ਮੁੱਦਿਆਂ ਨਾਲ ਕੀ ਹੋ ਰਿਹਾ ਹੈ. ਚਮੜੀ ਵਿਗਿਆਨ ਸਹਾਇਕ ਇਹ ਦੱਸਦਾ ਹੈ ਕਿ ਏਆਈ ਸਿਹਤ ਸੰਭਾਲ ਵਿੱਚ ਸਹਾਇਤਾ ਲਈ ਕਿਵੇਂ ਵਿਕਸਤ ਹੋ ਰਹੀ ਹੈ - ਪਰ ਇਸ ਨੇ ਆਲੋਚਨਾ ਦੇ ਮੱਦੇਨਜ਼ਰ ਏਆਈ ਵਿੱਚ ਘੁਸਪੈਠ ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਵੀ ਉਜਾਗਰ ਕੀਤਾ ਕਿ ਇਹ ਸਾਧਨ ਰੰਗ ਦੇ ਲੋਕਾਂ ਲਈ ਉਚਿਤ ਨਹੀਂ ਹੈ.

ਜਦੋਂ ਗੂਗਲ ਨੇ ਟੂਲ ਦੀ ਘੋਸ਼ਣਾ ਕੀਤੀ, ਕੰਪਨੀ ਨੇ ਨੋਟ ਕੀਤਾ:

ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਕਿ ਅਸੀਂ ਹਰ ਕਿਸੇ ਲਈ ਨਿਰਮਾਣ ਕਰ ਰਹੇ ਹਾਂ, ਸਾਡਾ ਮਾਡਲ ਉਮਰ, ਲਿੰਗ, ਨਸਲ, ਅਤੇ ਚਮੜੀ ਦੀਆਂ ਕਿਸਮਾਂ ਵਰਗੇ ਕਾਰਕਾਂ ਲਈ ਲੇਖਾ ਜੋਖਾ ਕਰਦਾ ਹੈ — ਫਿੱਕੀ ਚਮੜੀ ਤੋਂ ਲੈ ਕੇ ਭੂਰੀ ਚਮੜੀ ਤੱਕ ਜੋ ਘੱਟ ਹੀ ਸੜਦੀ ਹੈ।

ਗੂਗਲ, ​​ਆਮ ਚਮੜੀ ਦੀਆਂ ਸਥਿਤੀਆਂ ਦੇ ਉੱਤਰ ਲੱਭਣ ਵਿੱਚ ਸਹਾਇਤਾ ਲਈ ਏਆਈ ਦੀ ਵਰਤੋਂ

ਪਰ ਵਾਈਸ ਵਿੱਚ ਇੱਕ ਲੇਖ ਨੇ ਕਿਹਾ ਕਿ ਗੂਗਲ ਇੱਕ ਸੰਮਲਿਤ ਡੇਟਾ ਸੈੱਟ ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਿੱਚ ਅਸਫਲ ਰਿਹਾ:

ਇਸ ਕਾਰਜ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਦੋ ਰਾਜਾਂ ਵਿੱਚ ਸਥਿਤ 64,837 ਮਰੀਜ਼ਾਂ ਦੇ 12,399 ਚਿੱਤਰਾਂ ਦੇ ਇੱਕ ਸਿਖਲਾਈ ਡੇਟਾਸੇਟ ਦੀ ਵਰਤੋਂ ਕੀਤੀ. ਪਰ ਤਸਵੀਰ ਦੀਆਂ ਹਜ਼ਾਰਾਂ ਚਮੜੀ ਦੀਆਂ ਸਥਿਤੀਆਂ ਵਿੱਚੋਂ, ਸਿਰਫ 3.5 ਪ੍ਰਤੀਸ਼ਤ ਫਿਟਜ਼ਪੈਟ੍ਰਿਕ ਚਮੜੀ ਦੀਆਂ ਕਿਸਮਾਂ V ਅਤੇ VI ਵਾਲੇ ਮਰੀਜ਼ਾਂ ਤੋਂ ਆਏ - ਜੋ ਕ੍ਰਮਵਾਰ ਭੂਰੀ ਚਮੜੀ ਅਤੇ ਗੂੜ੍ਹੀ ਭੂਰੀ ਜਾਂ ਕਾਲੀ ਚਮੜੀ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ। ਅਧਿਐਨ ਦੇ ਅਨੁਸਾਰ, ਡੇਟਾਬੇਸ ਦਾ 90 ਪ੍ਰਤੀਸ਼ਤ ਗੋਰੀ ਚਮੜੀ, ਗੂੜ੍ਹੀ ਚਿੱਟੀ ਚਮੜੀ, ਜਾਂ ਹਲਕਾ ਭੂਰਾ ਚਮੜੀ ਵਾਲੇ ਲੋਕਾਂ ਦਾ ਬਣਿਆ ਸੀ। ਪੱਖਪਾਤੀ ਨਮੂਨੇ ਦੇ ਨਤੀਜੇ ਵਜੋਂ, ਚਮੜੀ ਦੇ ਮਾਹਿਰਾਂ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਐਪ ਉਹਨਾਂ ਲੋਕਾਂ ਦੀ ਜ਼ਿਆਦਾ ਜਾਂ ਘੱਟ ਜਾਂਚ ਕਰ ਸਕਦੀ ਹੈ ਜੋ ਚਿੱਟੇ ਨਹੀਂ ਹਨ।

ਉਪ, ਗੂਗਲ ਦੀ ਨਵੀਂ ਡਰਮਾਟੌਲੋਜੀ ਐਪ ਗੂੜ੍ਹੀ ਚਮੜੀ ਵਾਲੇ ਲੋਕਾਂ ਲਈ ਤਿਆਰ ਨਹੀਂ ਕੀਤੀ ਗਈ ਸੀ

ਗੂਗਲ ਨੇ ਇਹ ਕਹਿ ਕੇ ਜਵਾਬ ਦਿੱਤਾ ਕਿ ਇਹ ਟੂਲ ਨੂੰ ਰਸਮੀ ਤੌਰ 'ਤੇ ਜਾਰੀ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਇਸ ਨੂੰ ਸੁਧਾਰੇਗਾ:

ਸਾਡਾ ਏਆਈ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਚਮੜੀ ਵਿਗਿਆਨ ਸਹਾਇਤਾ ਸੰਦ ਤਿੰਨ ਸਾਲਾਂ ਤੋਂ ਵੱਧ ਦੀ ਖੋਜ ਦੀ ਸਮਾਪਤੀ ਹੈ. ਕਿਉਂਕਿ ਸਾਡਾ ਕੰਮ ਨੇਚਰ ਮੈਡੀਸਨ ਵਿੱਚ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਸੀ, ਅਸੀਂ ਅਤਿਰਿਕਤ ਡੇਟਾਸੈਟਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਦੇ ਨਾਲ ਸਾਡੀ ਤਕਨਾਲੋਜੀ ਨੂੰ ਵਿਕਸਤ ਅਤੇ ਸੁਧਾਰਣਾ ਜਾਰੀ ਰੱਖਿਆ ਹੈ ਜਿਸ ਵਿੱਚ ਹਜ਼ਾਰਾਂ ਲੋਕਾਂ ਦੁਆਰਾ ਦਾਨ ਕੀਤੇ ਗਏ ਡੇਟਾ, ਅਤੇ ਲੱਖਾਂ ਹੋਰ ਕਿਉਰੇਟਿਡ ਚਮੜੀ ਸੰਬੰਧੀ ਚਿੱਤਰ ਸ਼ਾਮਲ ਹਨ।

ਗੂਗਲ, ​​ਆਮ ਚਮੜੀ ਦੀਆਂ ਸਥਿਤੀਆਂ ਦੇ ਉੱਤਰ ਲੱਭਣ ਵਿੱਚ ਸਹਾਇਤਾ ਲਈ ਏਆਈ ਦੀ ਵਰਤੋਂ

ਜਿੰਨਾ ਅਸੀਂ ਉਮੀਦ ਕਰ ਸਕਦੇ ਹਾਂ ਕਿ AI ਅਤੇ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਪ੍ਰੋਗਰਾਮ ਇਹਨਾਂ ਪੱਖਪਾਤਾਂ ਨੂੰ ਠੀਕ ਕਰ ਸਕਦੇ ਹਨ, ਅਸਲੀਅਤ ਇਹ ਰਹਿੰਦੀ ਹੈ: ਉਹ ਸਿਰਫ ਇਸ ਤਰ੍ਹਾਂ ਹਨ ਸਮਾਰਟ ਕਿਉਂਕਿ ਉਹਨਾਂ ਦੇ ਡੇਟਾ ਸੈੱਟ ਸਾਫ਼ ਹਨ। ਪੁਰਾਣੀ ਪ੍ਰੋਗ੍ਰਾਮਿੰਗ ਕਹਾਵਤ ਦੇ ਅਪਡੇਟ ਵਿੱਚ ਕੂੜਾ ਅੰਦਰ/ਕੂੜਾ ਬਾਹਰ, AI ਹੱਲ ਸਿਰਫ ਓਨੇ ਹੀ ਮਜ਼ਬੂਤ ​​ਹਨ ਜਿੰਨੇ ਕਿ ਆਉਣ-ਜਾਣ ਤੋਂ ਉਹਨਾਂ ਦੇ ਡੇਟਾ ਸੈੱਟਾਂ ਦੀ ਗੁਣਵੱਤਾ। ਪ੍ਰੋਗਰਾਮਰਾਂ ਤੋਂ ਸੁਧਾਰ ਕੀਤੇ ਬਿਨਾਂ, ਇਹਨਾਂ ਡੇਟਾ ਸੈੱਟਾਂ ਕੋਲ ਆਪਣੇ ਆਪ ਨੂੰ ਠੀਕ ਕਰਨ ਲਈ ਪਿਛੋਕੜ ਦਾ ਤਜਰਬਾ ਨਹੀਂ ਹੁੰਦਾ ਹੈ - ਕਿਉਂਕਿ ਉਹਨਾਂ ਕੋਲ ਸਿਰਫ਼ ਸੰਦਰਭ ਦਾ ਕੋਈ ਹੋਰ ਫਰੇਮ ਨਹੀਂ ਹੈ।

ਡੈਟਾ ਸੈੱਟਾਂ ਨੂੰ ਜ਼ਿੰਮੇਵਾਰੀ ਨਾਲ ਬਣਾਉਣਾ ਸਭ ਦਾ ਮੂਲ ਹੈ ਨੈਤਿਕ ਨਕਲੀ ਬੁੱਧੀ. ਅਤੇ ਲੋਕ ਹੱਲ ਦੇ ਕੇਂਦਰ ਵਿੱਚ ਹਨ. 

ਮਾਈਂਡਫੁੱਲ AI ਨੈਤਿਕ AI ਹੈ

ਪੱਖਪਾਤ ਕਿਸੇ ਖਲਾਅ ਵਿੱਚ ਨਹੀਂ ਹੁੰਦਾ. ਅਨੈਤਿਕ ਜਾਂ ਪੱਖਪਾਤੀ ਡੇਟਾ ਸਮੂਹ ਵਿਕਾਸ ਦੇ ਪੜਾਅ ਦੇ ਦੌਰਾਨ ਗਲਤ ਪਹੁੰਚ ਅਪਣਾਉਣ ਤੋਂ ਆਉਂਦੇ ਹਨ. ਪੱਖਪਾਤੀ ਗਲਤੀਆਂ ਦਾ ਮੁਕਾਬਲਾ ਕਰਨ ਦਾ ਤਰੀਕਾ ਇੱਕ ਜ਼ਿੰਮੇਵਾਰ, ਮਨੁੱਖੀ-ਕੇਂਦਰਿਤ, ਪਹੁੰਚ ਅਪਣਾਉਣਾ ਹੈ ਜਿਸ ਨੂੰ ਉਦਯੋਗ ਦੇ ਬਹੁਤ ਸਾਰੇ ਲੋਕ ਮਾਈਂਡਫੁੱਲ ਏਆਈ ਕਹਿ ਰਹੇ ਹਨ. ਚੇਤੰਨ ਏਆਈ ਦੇ ਤਿੰਨ ਨਾਜ਼ੁਕ ਭਾਗ ਹਨ:

1. ਚੇਤੰਨ ਏਆਈ ਮਨੁੱਖੀ ਕੇਂਦਰਿਤ ਹੈ

ਏਆਈ ਪ੍ਰੋਜੈਕਟ ਦੀ ਸ਼ੁਰੂਆਤ ਤੋਂ, ਯੋਜਨਾਬੰਦੀ ਦੇ ਪੜਾਵਾਂ ਵਿੱਚ, ਲੋਕਾਂ ਦੀਆਂ ਜ਼ਰੂਰਤਾਂ ਹਰ ਫੈਸਲੇ ਦੇ ਕੇਂਦਰ ਵਿੱਚ ਹੋਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ. ਅਤੇ ਇਸਦਾ ਮਤਲਬ ਹੈ ਸਾਰੇ ਲੋਕ - ਸਿਰਫ਼ ਇੱਕ ਉਪ ਸਮੂਹ ਨਹੀਂ। ਇਸ ਲਈ ਡਿਵੈਲਪਰਾਂ ਨੂੰ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਸੰਮਲਿਤ ਅਤੇ ਪੱਖਪਾਤ ਰਹਿਤ ਬਣਾਉਣ ਲਈ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਵਿਸ਼ਵ ਪੱਧਰ 'ਤੇ ਆਧਾਰਿਤ ਲੋਕਾਂ ਦੀ ਵਿਭਿੰਨ ਟੀਮ 'ਤੇ ਭਰੋਸਾ ਕਰਨ ਦੀ ਲੋੜ ਹੈ।

ਇੱਕ ਗਲੋਬਲ, ਵੰਨ-ਸੁਵੰਨੀ ਟੀਮ ਤੋਂ ਡੇਟਾ ਸੈੱਟਾਂ ਨੂੰ ਕ੍ਰਾਊਡਸੋਰਸ ਕਰਨਾ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਪੱਖਪਾਤ ਦੀ ਪਛਾਣ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਜਲਦੀ ਫਿਲਟਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਵੱਖੋ ਵੱਖਰੀਆਂ ਨਸਲਾਂ, ਉਮਰ ਸਮੂਹਾਂ, ਲਿੰਗਾਂ, ਸਿੱਖਿਆ ਦੇ ਪੱਧਰ, ਸਮਾਜਿਕ-ਆਰਥਿਕ ਪਿਛੋਕੜ ਅਤੇ ਸਥਾਨਾਂ ਦੇ ਉਹ ਡੇਟਾ ਸੈਟ ਵਧੇਰੇ ਅਸਾਨੀ ਨਾਲ ਲੱਭ ਸਕਦੇ ਹਨ ਜੋ ਇੱਕ ਮੁੱਲਾਂ ਦੇ ਦੂਜੇ ਸਮੂਹ ਦੇ ਪੱਖ ਵਿੱਚ ਹੁੰਦੇ ਹਨ, ਇਸ ਤਰ੍ਹਾਂ ਅਣਇੱਛਤ ਪੱਖਪਾਤ ਨੂੰ ਖਤਮ ਕਰਦੇ ਹਨ.

ਵੌਇਸ ਐਪਲੀਕੇਸ਼ਨਾਂ ਤੇ ਇੱਕ ਨਜ਼ਰ ਮਾਰੋ. ਜਦੋਂ ਇੱਕ ਸੁਚੇਤ ਏਆਈ ਪਹੁੰਚ ਨੂੰ ਲਾਗੂ ਕਰਦੇ ਹੋ, ਅਤੇ ਇੱਕ ਵਿਸ਼ਵਵਿਆਪੀ ਪ੍ਰਤਿਭਾ ਪੂਲ ਦੀ ਸ਼ਕਤੀ ਦਾ ਲਾਭ ਲੈਂਦੇ ਹੋ, ਡਿਵੈਲਪਰ ਭਾਸ਼ਾਈ ਤੱਤਾਂ ਜਿਵੇਂ ਕਿ ਵੱਖੋ ਵੱਖਰੀਆਂ ਉਪਭਾਸ਼ਾਵਾਂ ਅਤੇ ਲਹਿਜ਼ੇ ਦੇ ਡੇਟਾ ਸੈੱਟਾਂ ਲਈ ਲੇਖਾ ਦੇ ਸਕਦੇ ਹਨ.

ਸ਼ੁਰੂ ਤੋਂ ਹੀ ਮਨੁੱਖੀ-ਕੇਂਦਰਿਤ ਡਿਜ਼ਾਈਨ ਫਰੇਮਵਰਕ ਦੀ ਸਥਾਪਨਾ ਕਰਨਾ ਮਹੱਤਵਪੂਰਣ ਹੈ. ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਇੱਕ ਲੰਮਾ ਸਫ਼ਰ ਤੈਅ ਕਰਦਾ ਹੈ ਕਿ ਤਿਆਰ ਕੀਤਾ ਗਿਆ, ਕਿਉਰੇਟ ਕੀਤਾ ਗਿਆ, ਅਤੇ ਲੇਬਲ ਕੀਤਾ ਗਿਆ ਡੇਟਾ ਅੰਤਮ ਉਪਭੋਗਤਾਵਾਂ ਦੀਆਂ ਉਮੀਦਾਂ ਨੂੰ ਪੂਰਾ ਕਰਦਾ ਹੈ। ਪਰ ਸਮੁੱਚੇ ਉਤਪਾਦ ਵਿਕਾਸ ਜੀਵਨਕਾਲ ਦੌਰਾਨ ਮਨੁੱਖਾਂ ਨੂੰ ਲੁੱਕ ਵਿੱਚ ਰੱਖਣਾ ਵੀ ਮਹੱਤਵਪੂਰਨ ਹੈ. 

ਲੂਪ ਵਿੱਚ ਮੌਜੂਦ ਮਨੁੱਖ ਹਰੇਕ ਖਾਸ ਦਰਸ਼ਕਾਂ ਲਈ ਇੱਕ ਬਿਹਤਰ AI ਅਨੁਭਵ ਬਣਾਉਣ ਵਿੱਚ ਮਸ਼ੀਨਾਂ ਦੀ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ। ਪੈਕਟੇਰਾ EDGE ਵਿਖੇ, ਸਾਡੀਆਂ AI ਡੇਟਾ ਪ੍ਰੋਜੈਕਟ ਟੀਮਾਂ, ਵਿਸ਼ਵ ਪੱਧਰ 'ਤੇ ਸਥਿਤ ਹਨ, ਇਹ ਸਮਝਦੀਆਂ ਹਨ ਕਿ ਕਿਵੇਂ ਵੱਖ-ਵੱਖ ਸਭਿਆਚਾਰਾਂ ਅਤੇ ਸੰਦਰਭਾਂ ਭਰੋਸੇਯੋਗ AI ਸਿਖਲਾਈ ਡੇਟਾ ਦੇ ਸੰਗ੍ਰਹਿ ਅਤੇ ਸੰਗ੍ਰਹਿ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰ ਸਕਦੀਆਂ ਹਨ। ਉਹਨਾਂ ਕੋਲ ਲੋੜੀਂਦੇ ਸਾਧਨ ਹਨ ਜੋ ਉਹਨਾਂ ਨੂੰ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਣ, ਉਹਨਾਂ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨ ਅਤੇ ਏਆਈ-ਅਧਾਰਤ ਹੱਲ ਦੇ ਲਾਈਵ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਉਹਨਾਂ ਨੂੰ ਠੀਕ ਕਰਨ ਲਈ ਲੋੜੀਂਦੇ ਹਨ.

ਹਿਊਮਨ-ਇਨ-ਦ-ਲੂਪ AI ਇੱਕ ਪ੍ਰੋਜੈਕਟ "ਸੁਰੱਖਿਆ ਜਾਲ" ਹੈ ਜੋ ਮਸ਼ੀਨਾਂ ਦੀ ਤੇਜ਼ ਕੰਪਿਊਟਿੰਗ ਸ਼ਕਤੀ ਨਾਲ ਲੋਕਾਂ ਦੀਆਂ ਸ਼ਕਤੀਆਂ - ਅਤੇ ਉਹਨਾਂ ਦੇ ਵਿਭਿੰਨ ਪਿਛੋਕੜ ਨੂੰ ਜੋੜਦਾ ਹੈ। ਇਸ ਮਨੁੱਖੀ ਅਤੇ ਏਆਈ ਸਹਿਯੋਗ ਨੂੰ ਪ੍ਰੋਗਰਾਮਾਂ ਦੀ ਸ਼ੁਰੂਆਤ ਤੋਂ ਹੀ ਸਥਾਪਤ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੈ ਤਾਂ ਜੋ ਪੱਖਪਾਤੀ ਡੇਟਾ ਪ੍ਰੋਜੈਕਟ ਦੀ ਬੁਨਿਆਦ ਨਾ ਬਣੇ. 

2. ਸੁਚੇਤ AI ਜ਼ਿੰਮੇਵਾਰ ਹੈ

ਜ਼ਿੰਮੇਵਾਰ ਹੋਣਾ ਇਹ ਸੁਨਿਸ਼ਚਿਤ ਕਰਨਾ ਹੈ ਕਿ ਏਆਈ ਪ੍ਰਣਾਲੀਆਂ ਪੱਖਪਾਤ ਤੋਂ ਮੁਕਤ ਹੋਣ ਅਤੇ ਉਹ ਨੈਤਿਕਤਾ ਦੇ ਅਧਾਰ ਤੇ ਹੋਣ. ਇਹ ਇਸ ਗੱਲ ਦਾ ਧਿਆਨ ਰੱਖਣਾ ਹੈ ਕਿ ਡਾਟਾ ਕਿਵੇਂ, ਕਿਉਂ ਅਤੇ ਕਿੱਥੇ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ, ਏਆਈ ਪ੍ਰਣਾਲੀਆਂ ਦੁਆਰਾ ਇਸਦਾ ਸੰਸਲੇਸ਼ਣ ਕਿਵੇਂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਫੈਸਲਾ ਲੈਣ ਵਿੱਚ ਇਸਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਅਜਿਹੇ ਫੈਸਲੇ ਜਿਨ੍ਹਾਂ ਦੇ ਨੈਤਿਕ ਪ੍ਰਭਾਵ ਹੋ ਸਕਦੇ ਹਨ. ਕਿਸੇ ਕਾਰੋਬਾਰ ਨੂੰ ਅਜਿਹਾ ਕਰਨ ਦਾ ਇੱਕ ਤਰੀਕਾ ਇਹ ਹੈ ਕਿ ਘੱਟ ਪ੍ਰਤੀਨਿਧਤਾ ਵਾਲੇ ਭਾਈਚਾਰਿਆਂ ਨਾਲ ਵਧੇਰੇ ਸਮਾਵੇਸ਼ੀ ਅਤੇ ਘੱਟ ਪੱਖਪਾਤੀ ਹੋਣ ਲਈ ਕੰਮ ਕਰਨਾ. ਡੇਟਾ ਐਨੋਟੇਸ਼ਨਾਂ ਦੇ ਖੇਤਰ ਵਿੱਚ, ਨਵੀਂ ਖੋਜ ਇਸ ਗੱਲ ਨੂੰ ਉਜਾਗਰ ਕਰ ਰਹੀ ਹੈ ਕਿ ਕਿਵੇਂ ਇੱਕ ਬਹੁ-ਐਨੋਟੇਟਰ ਮਲਟੀ-ਟਾਸਕ ਮਾਡਲ ਜੋ ਹਰੇਕ ਐਨੋਟੇਟਰ ਦੇ ਲੇਬਲਾਂ ਨੂੰ ਵੱਖਰੇ ਸਬਟਾਸਕ ਵਜੋਂ ਮੰਨਦਾ ਹੈ, ਆਮ ਜ਼ਮੀਨੀ ਸੱਚਾਈ ਵਿਧੀਆਂ ਵਿੱਚ ਮੌਜੂਦ ਸੰਭਾਵੀ ਮੁੱਦਿਆਂ ਨੂੰ ਘਟਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ ਜਿੱਥੇ ਐਨੋਟੇਟਰ ਅਸਹਿਮਤੀ ਘੱਟ-ਪ੍ਰਤੀਨਿਧਤਾਵਾਂ ਦੇ ਕਾਰਨ ਹੋ ਸਕਦੇ ਹਨ ਅਤੇ ਕਿਸੇ ਇੱਕ ਜ਼ਮੀਨੀ ਸੱਚਾਈ ਦੇ ਐਨੋਟੇਸ਼ਨਸ ਦੇ ਏਕੀਕਰਨ ਵਿੱਚ ਨਜ਼ਰ ਅੰਦਾਜ਼ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ. 

3. ਭਰੋਸੇਯੋਗ

ਭਰੋਸੇਯੋਗਤਾ ਇੱਕ ਕਾਰੋਬਾਰ ਤੋਂ ਹੁੰਦੀ ਹੈ ਜਿਸ ਵਿੱਚ ਪਾਰਦਰਸ਼ੀ ਅਤੇ ਸਪੱਸ਼ਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਕਿ ਏਆਈ ਮਾਡਲ ਕਿਵੇਂ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ, ਇਹ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ, ਅਤੇ ਉਹ ਨਤੀਜਿਆਂ ਦੀ ਸਿਫਾਰਸ਼ ਕਿਉਂ ਕਰਦੇ ਹਨ. ਇੱਕ ਕਾਰੋਬਾਰ ਨੂੰ AI ਲੋਕਾਲਾਈਜੇਸ਼ਨ ਨਾਲ ਮੁਹਾਰਤ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਤਾਂ ਜੋ ਇਸਦੇ ਗਾਹਕਾਂ ਲਈ ਆਪਣੇ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਵਧੇਰੇ ਸੰਮਲਿਤ ਅਤੇ ਵਿਅਕਤੀਗਤ ਬਣਾਉਣਾ ਸੰਭਵ ਬਣਾਇਆ ਜਾ ਸਕੇ, ਸਥਾਨਕ ਭਾਸ਼ਾ ਅਤੇ ਉਪਭੋਗਤਾ ਅਨੁਭਵਾਂ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਸੂਖਮਤਾਵਾਂ ਦਾ ਆਦਰ ਕਰਦੇ ਹੋਏ ਜੋ ਇੱਕ ਦੇਸ਼ ਤੋਂ ਦੂਜੇ ਦੇਸ਼ ਵਿੱਚ ਇੱਕ AI ਹੱਲ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਨੂੰ ਬਣਾ ਜਾਂ ਤੋੜ ਸਕਦੇ ਹਨ। . ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਕਾਰੋਬਾਰ ਨੂੰ ਆਪਣੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਵਿਅਕਤੀਗਤ ਅਤੇ ਸਥਾਨਕ ਸੰਦਰਭਾਂ ਲਈ ਡਿਜ਼ਾਈਨ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਆਵਾਜ਼-ਅਧਾਰਿਤ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਭਾਸ਼ਾਵਾਂ, ਉਪਭਾਸ਼ਾਵਾਂ ਅਤੇ ਲਹਿਜ਼ੇ ਸ਼ਾਮਲ ਹਨ। ਇਸ ਤਰੀਕੇ ਨਾਲ, ਇੱਕ ਐਪ ਅੰਗ੍ਰੇਜ਼ੀ ਤੋਂ ਘੱਟ ਪ੍ਰਤੀਨਿਧ ਭਾਸ਼ਾਵਾਂ ਤੱਕ, ਹਰੇਕ ਭਾਸ਼ਾ ਵਿੱਚ ਅਵਾਜ਼ ਦੇ ਅਨੁਭਵ ਦੇ ਅਨੁਕੂਲਤਾ ਦੇ ਸਮਾਨ ਪੱਧਰ ਨੂੰ ਲਿਆਉਂਦੀ ਹੈ.

ਨਿਰਪੱਖਤਾ ਅਤੇ ਵਿਭਿੰਨਤਾ

ਅੰਤ ਵਿੱਚ, ਸੁਚੇਤ AI ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਹੱਲ ਨਿਰਪੱਖ ਅਤੇ ਵਿਭਿੰਨ ਡੇਟਾ ਸੈੱਟਾਂ 'ਤੇ ਬਣਾਏ ਗਏ ਹਨ ਜਿੱਥੇ ਹੱਲ ਦੇ ਮਾਰਕੀਟ ਵਿੱਚ ਜਾਣ ਤੋਂ ਪਹਿਲਾਂ ਖਾਸ ਨਤੀਜਿਆਂ ਦੇ ਨਤੀਜਿਆਂ ਅਤੇ ਪ੍ਰਭਾਵਾਂ ਦੀ ਨਿਗਰਾਨੀ ਅਤੇ ਮੁਲਾਂਕਣ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਸਮਾਧਾਨ ਦੇ ਵਿਕਾਸ ਦੇ ਹਰ ਹਿੱਸੇ ਵਿੱਚ ਸੁਚੇਤ ਅਤੇ ਮਨੁੱਖਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਕੇ, ਅਸੀਂ ਇਹ ਸੁਨਿਸ਼ਚਿਤ ਕਰਨ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰਦੇ ਹਾਂ ਕਿ ਏਆਈ ਮਾਡਲ ਸਾਫ਼, ਘੱਟੋ ਘੱਟ ਪੱਖਪਾਤੀ ਅਤੇ ਜਿੰਨਾ ਸੰਭਵ ਹੋ ਸਕੇ ਨੈਤਿਕ ਰਹਿਣ.

ਤੁਹਾਨੂੰ ਕੀ ਲੱਗਦਾ ਹੈ?

ਇਹ ਸਾਈਟ ਸਪੈਮ ਨੂੰ ਘੱਟ ਕਰਨ ਲਈ ਅਕਕੀਮੈਟ ਵਰਤਦੀ ਹੈ. ਜਾਣੋ ਕਿ ਤੁਹਾਡੇ ਟਿੱਪਣੀ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਿਵੇਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ.