Stories
-
العملية العسكرية الروسية في أوكرانيا
RT STORIES
بيلاوسوف يتفقد قوات "الشرق" بمنطقة العملية العسكرية الروسية في أوكرانيا (فيديو)
#اسأل_أكثر #Question_MoreRT STORIES
حاكم خيرسون: مواقع قوات كييف على الضفة الغربية لنهر دنيبر باتت مهددة
#اسأل_أكثر #Question_MoreRT STORIES
الدفاع الروسية: توجيه ضربة ليلية لموانئ أوكرانيا النهرية والبحرية
#اسأل_أكثر #Question_MoreRT STORIES
مصدر: قوات كييف تلقي من المسيّرات مفخخات مموهة في دونيتسك
#اسأل_أكثر #Question_MoreRT STORIES
إسقاط 5 مسيرات استهدفت موسكو
#اسأل_أكثر #Question_More
العملية العسكرية الروسية في أوكرانيا
-
حرب الخليج
RT STORIES
إيران: حضرنا لضرب المنطقة مع تطورات قصف الضاحية الجنوبية لبيروت
#اسأل_أكثر #Question_MoreRT STORIES
الحرس الثوري الإيراني: مقاتلو الإسلام أذلوا أقوى جيش في تاريخ العالم
#اسأل_أكثر #Question_MoreRT STORIES
المسار العماني الجنوبي بؤرة الخطر.. شلل غير مسبوق وأرقام صادمة عن مضيق هرمز
#اسأل_أكثر #Question_MoreRT STORIES
ترامب: قريبا سأعلن مضيق هرمز أرضا تابعة للولايات المتحدة
#اسأل_أكثر #Question_More
حرب الخليج
-
والدته وأشقاؤه خارج قائمة المدعوين.. تفاصيل مثيرة عن زفاف رونالدو وجورجينا (صور)
RT STORIES
والدته وأشقاؤه خارج قائمة المدعوين.. تفاصيل مثيرة عن زفاف رونالدو وجورجينا (صور)
#اسأل_أكثر #Question_More -
بوتين يهنئ كيم بذكرى تحرير بلاده
RT STORIES
بوتين يهنئ كيم بذكرى تحرير بلاده
#اسأل_أكثر #Question_More
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