Trong lĩnh vực công nghệ, việc đón nhận sự đa dạng không chỉ là một nhiệm vụ mang tính đạo đức. Đó là một chiến lược định hình tính hữu dụng của sản phẩm, đảm bảo rằng chúng phục vụ được nhiều đối tượng. Trong nỗ lực đáng chú ý nhằm thúc đẩy tính toàn diện, Google đã bắt đầu sử dụng dữ liệu mang tính đại diện và đa dạng hơn để tinh chỉnh các mô hình học máy của mình. Mục tiêu? Để xây dựng những sản phẩm có khả năng gây tiếng vang một cách hiệu quả với những cá nhân đến từ những hoàn cảnh bị gạt ra ngoài lề xã hội trong lịch sử.
Việc theo đuổi sự toàn diện của Google đang tạo ra làn sóng, đặc biệt là trong việc tạo ra các sản phẩm phần mềm và phần cứng. Các sản phẩm này thường dựa vào các mô hình học máy để đạt được hiệu suất và do đó, các mô hình này phụ thuộc rất nhiều vào bộ dữ liệu. Khi các tập dữ liệu mang tính bao quát và mang tính đại diện, chúng sẽ giúp xây dựng các sản phẩm hoạt động tốt cho tất cả người dùng. Tác động này đặc biệt mạnh mẽ ở các sản phẩm phụ thuộc vào camera như tính năng mở khóa bằng khuôn mặt và ứng dụng chụp ảnh trên điện thoại.
Dữ liệu đào tạo trí tuệ nhân tạo
Lấy ví dụ như công nghệ Real Tone trên Google Pixel. Đó là kết quả đổi mới của cam kết của Google về tính toàn diện, đảm bảo mọi tông màu da đều được khắc họa chân thực và hấp dẫn. Công nghệ này được đưa vào cuộc sống bằng cách sử dụng các bộ dữ liệu đa dạng, nâng cao khả năng phục vụ tất cả người dùng một cách hiệu quả.
Nhưng Google không bắt tay vào sứ mệnh này một mình. Trong hai năm qua, Google đã hợp tác với TONL, một công ty chụp ảnh stock nổi tiếng và nhóm Đổi mới có trách nhiệm của công ty. Các liên minh này đã cấp cho Google quyền truy cập vào hàng nghìn hình ảnh có những người thuộc nhiều hoàn cảnh khác nhau, bao gồm nhiều tông màu da, giới tính và khuyết tật.
Hơn nữa, mối quan hệ đối tác của Google đã mở rộng sang Chronicon và RAMPD, giúp gã khổng lồ công nghệ cung cấp các hình ảnh tùy chỉnh khắc họa những người mắc bệnh mãn tính và khuyết tật. Bộ sưu tập hình ảnh mở rộng và toàn diện này hỗ trợ nhóm sản phẩm của Google xác định các vấn đề tiềm ẩn về tính công bằng trong khi định hình các mô hình máy học của họ.
Dữ liệu đào tạo đại diện AI
Trọng tâm của nỗ lực toàn diện của Google là một tập dữ liệu độc đáo: Ví dụ về tông màu da của nhà sư (MST-E). Được tuyển chọn bởi Nhóm tông màu da của Google trong lĩnh vực AI có trách nhiệm và TONL, tập dữ liệu này cung cấp hình ảnh và video của 19 cá nhân, với các tông màu da khác nhau trên thang điểm Monk Skin Tone 10 điểm.
Bộ dữ liệu MST-E được thiết kế để trở thành một công cụ thực tế. Nó giúp dạy con người chú thích kiểm tra các chú thích tông màu da nhất quán trong các điều kiện khác nhau, đây là chìa khóa cho hiệu suất của các sản phẩm do AI điều khiển. Với sự trợ giúp của nó, Google có thể đảm bảo các sản phẩm của mình phù hợp với nhu cầu của mọi người thuộc mọi tông màu da.
Nhìn về phía trước, Google cam kết liên tục tinh chỉnh cách trình bày trong bộ dữ liệu của mình. Tham vọng cuối cùng của công ty là xây dựng những công nghệ toàn diện và công bằng nhất cho mọi người dùng. Liên doanh này không chỉ nhằm tạo ra các sản phẩm công nghệ—mà còn là tạo dựng một tương lai toàn diện hơn, nơi công nghệ phục vụ mọi người, bất kể nền tảng của họ.
Vì vậy, nếu bạn đang thắc mắc làm thế nào các công ty công nghệ có thể thúc đẩy tính toàn diện hơn thì nỗ lực của Google sẽ mang đến một kế hoạch chi tiết hấp dẫn. Bằng cách tận dụng các bộ dữ liệu đa dạng, công ty không chỉ cải tiến công nghệ của mình mà còn định hình lại cách chúng ta hiểu và trải nghiệm tính toàn diện trong lĩnh vực kỹ thuật số.
Hy vọng rằng chúng ta có thể hướng tới một tương lai nơi công nghệ không chỉ thừa nhận sự đa dạng của chúng ta mà còn tôn vinh nó, tạo ra một bối cảnh kỹ thuật số toàn diện và mang tính đại diện hơn cho tất cả mọi người sử dụng và tận hưởng.
Nguồn & Hình ảnh: Google
Tuyên bố từ chối trách nhiệm: Một số bài viết của chúng tôi bao gồm các liên kết liên kết. Nếu bạn mua thứ gì đó thông qua một trong những liên kết này, APS Blog có thể kiếm được hoa hồng liên kết. Tìm hiểu về Chính sách tiết lộ của chúng tôi.
