Joy Buolamwini , estudante de pósgradução do MIT, trabalhava com um software de reconhecimento facial quando percebeu um problema: o softwar...
Joy Buolamwini , estudante de pósgradução do MIT, trabalhava com um software de reconhecimento facial quando percebeu um problema: o software não reconhecia seu rosto, porque as pessoas que codificaram o algoritmo não o haviam ensinado a reconhecer uma ampla gama de tons de pele e de estruturas faciais. Agora, sua missão é combater o viés na aprendizagem automática, um fenômeno que ela chama de "olhar codificado".
É uma palestra esclarecedora sobre a necessidade de haver responsabilidade ao codificar, já que os algoritmos estão influenciando cada vez mais aspectos da nossa vida.
Olá, sou Joy, uma “poetisa dos códigos”, a minha missão é deter uma força invisível que tem crescido, uma força que chamo de “olhar codificado”, é como chamo o viés algorítmico.
Tal como o preconceito humano, ele resulta em desigualdade. Porém, os algoritmos, assim como os vírus, podem espalhar o viés em grande escala e rapidamente. O viés algorítmico também pode levar a experiências de exclusão e a práticas discriminatórias. Vou mostrar o que quero dizer.
(Vídeo) Joy Boulamwini: Oi, câmera. Tenho um rosto. Consegue ver meu rosto? Um rosto sem óculos? Você consegue ver o rosto dela... E o meu? Estou usando uma máscara. Consegue vê-la?
Joy Boulamwini: Como isso aconteceu? Por que estou diante de um computador, usando uma máscara branca, tentando ser detectada por uma câmera barata? Bom, quando não estou lutando contra o olhar codificado como uma poetisa dos códigos, faço pós-graduação no Laboratório de Mídia do MIT, na qual tenho a oportunidade de trabalhar em diversos projetos bacanas, inclusive no “Aspire Mirror”, projeto que criei para poder projetar máscaras digitais sobre minha imagem. De manhã, se eu quisesse me sentir poderosa, poderia usar uma de leão. Se precisasse de uma inspiração, usaria uma citação. Então, usei um software genérico de reconhecimento facial para criar o sistema, mas descobri que era bem difícil testá-lo, a não ser que usasse uma máscara branca.
Infelizmente, já tive esse problema antes. Quando cursava minha graduação em ciência da computação na Georgia Tech, eu trabalhava com robôs sociais, e uma das minhas tarefas era fazer com que um robô brincasse de “Achou!”, um jogo simples de revezamento em que uma pessoa cobre o rosto e depois o mostra à outra, dizendo: “Achou!” O problema é que a brincadeira não dá certo se você não vê o outro, e meu robô não me via. Aí, peguei emprestado o rosto de uma amiga para fazer o projeto, entreguei a tarefa e pensei: “Sabe de uma coisa? Outra pessoa vai resolver esse problema”.
Pouco tempo depois, eu estava em Hong Kong, numa competição de empreendedorismo. Os organizadores decidiram levar os participantes pra visitar “start-ups” locais. Uma das start-ups tinha um robô social, e eles decidiram fazer uma demonstração.
Perguntei aos desenvolvedores por quê, e descobri que usaram o mesmo software genérico de reconhecimento facial que eu. Do outro lado do mundo, descobri que o viés algorítmico consegue viajar tão rápido quanto um download da internet.
O que estava acontecendo? Por que meu rosto não era detectado? Bem, precisamos analisar como damos “visão” às máquinas. A visão de computador utiliza técnicas de aprendizagem automática para fazer o reconhecimento facial. Funciona assim: você cria uma série de treinamento, com alguns rostos. “Isto é um rosto. Isto é um isto. Isto não é um rosto.” Com o tempo, você ensina o computador a reconhecer outros rostos. Porém, se as séries não forem diversificadas o bastante, qualquer rosto que seja muito diferente dos demais será mais difícil de detectar, e era isso que acontecia comigo.
Mas não se preocupem. Tenho boas notícias.
Então, podemos criar séries de amplo espectro, que reflitam rostos humanos de forma mais diversa.
Vocês já viram nos exemplos que dei como os robôs sociais me fizeram ver a exclusão causada pelo viés algorítmico, mas o viés algorítmico também pode acarretar práticas discriminatórias. Em todos os Estados Unidos, departamentos de polícia estão começando a usar softwares de reconhecimento facial como parte de seu arsenal na luta contra o crime. A Georgetown Law publicou um relatório mostrando que um em cada dois adultos nos EUA, ou seja, 117 milhões de pessoas, tiveram seus rostos incluídos em redes de reconhecimento facial. Hoje, os departamentos de polícia podem usar essas redes sem qualquer regulação, usando algoritmos que não tiveram sua precisão auditada. Ainda assim, sabemos que o reconhecimento facial não é infalível, e identificar rostos de forma consistente continua sendo um desafio. Talvez já tenham visto isso no Facebook. Eu e meus amigos rimos o tempo todo quando vemos outras pessoas sendo marcadas incorretamente em nossas fotos. Mas errar na identificação de um suspeito de crime não é nada engraçado, nem violar liberdades civis.
A aprendizagem automática vem sendo usada no reconhecimento facial, mas também vem se expandindo além da visão de computador. Em seu livro “Weapons of Math Destruction”, a cientista de dados Cathy O'Neil fala sobre a ascensão dos novos “DMDs” algoritmos “disseminados, misteriosos e destrutivos” que têm sido cada vez mais utilizados na tomada de decisões que impactam mais aspectos das nossas vidas. Quem será contratado ou demitido? Vai conseguir aquele empréstimo, ou seguro? Vai entrar na faculdade que você queria? Eu e você pagamos o mesmo valor pelo mesmo produto vendido na mesma loja?
A segurança pública também está começando a usar a aprendizagem automática no policiamento preditivo. Alguns juízes utilizam índices de risco gerados por máquinas para determinar quanto tempo um indivíduo ficará na prisão. Temos realmente que refletir sobre essas decisões. Será que são justas? E já vimos que o viés algorítmico nem sempre leva a resultados justos.
Então, o que podemos fazer? Bem, podemos começar a pensar em como criar codificação mais inclusiva e adotar práticas de codificação inclusivas. Tudo começa com pessoas. Então, é importante saber quem codifica. Estamos criando equipes diversificadas, com indivíduos diferentes que possam verificar pontos cegos uns dos outros? Quanto ao aspecto técnico, a forma como codificamos é relevante. Estamos levando em conta a equidade no desenvolvimento de sistemas? Finalmente, a razão pela qual codificamos é relevante. Utilizamos ferramentas de criação computacional para gerar imensas riquezas. Hoje temos a oportunidade de gerar igualdade ainda maior, se considerarmos a mudança social como uma prioridade e não como algo de menos importância. Esses são os três princípios na criação do movimento pela codificação inclusiva. É importante quem codifica, é importante como se codifica e é importante por que se codifica.
Então, para uma codificação inclusiva, podemos começar a pensar na criação de plataformas que identifiquem o viés, coletando as experiências das pessoas, como as que eu contei aqui, mas também auditando softwares já existentes. Também podemos começar a criar séries de treinamento mais inclusivas. Imaginem uma campanha de "'Selfies' pela Inclusão", em que eu e vocês possamos ajudar os desenvolvedores a testar e criar séries de treinamento mais inclusivas. Também podemos começar a pensar de forma mais consciente sobre o impacto social das tecnologias que temos desenvolvido.
Para iniciarmos o movimento de codificação inclusiva lancei a Liga da Justiça Algorítmica, onde todos que se importem com a equidade podem lutar contra o olhar codificado. Em codedgaze.com, vocês podem relatar vieses, solicitar auditorias, participar dos testes e se juntar ao debate que vem ocorrendo, #codedgaze.
Convido vocês a se juntarem a mim na criação de um mundo onde a tecnologia trabalhe em favor de todos, não apenas em favor de alguns, um mundo onde valorizemos a inclusão e tenhamos como foco a mudança social.
Obrigada.
(Aplausos)
Mas tenho uma pergunta: Vocês vão se juntar a mim nessa luta?
(Risos)
(Aplausos)
Fonte: TED
[Visto no Brasil Acadêmico]
É uma palestra esclarecedora sobre a necessidade de haver responsabilidade ao codificar, já que os algoritmos estão influenciando cada vez mais aspectos da nossa vida.
Olá, sou Joy, uma “poetisa dos códigos”, a minha missão é deter uma força invisível que tem crescido, uma força que chamo de “olhar codificado”, é como chamo o viés algorítmico.
Tal como o preconceito humano, ele resulta em desigualdade. Porém, os algoritmos, assim como os vírus, podem espalhar o viés em grande escala e rapidamente. O viés algorítmico também pode levar a experiências de exclusão e a práticas discriminatórias. Vou mostrar o que quero dizer.
(Vídeo) Joy Boulamwini: Oi, câmera. Tenho um rosto. Consegue ver meu rosto? Um rosto sem óculos? Você consegue ver o rosto dela... E o meu? Estou usando uma máscara. Consegue vê-la?
Joy Boulamwini: Como isso aconteceu? Por que estou diante de um computador, usando uma máscara branca, tentando ser detectada por uma câmera barata? Bom, quando não estou lutando contra o olhar codificado como uma poetisa dos códigos, faço pós-graduação no Laboratório de Mídia do MIT, na qual tenho a oportunidade de trabalhar em diversos projetos bacanas, inclusive no “Aspire Mirror”, projeto que criei para poder projetar máscaras digitais sobre minha imagem. De manhã, se eu quisesse me sentir poderosa, poderia usar uma de leão. Se precisasse de uma inspiração, usaria uma citação. Então, usei um software genérico de reconhecimento facial para criar o sistema, mas descobri que era bem difícil testá-lo, a não ser que usasse uma máscara branca.
Infelizmente, já tive esse problema antes. Quando cursava minha graduação em ciência da computação na Georgia Tech, eu trabalhava com robôs sociais, e uma das minhas tarefas era fazer com que um robô brincasse de “Achou!”, um jogo simples de revezamento em que uma pessoa cobre o rosto e depois o mostra à outra, dizendo: “Achou!” O problema é que a brincadeira não dá certo se você não vê o outro, e meu robô não me via. Aí, peguei emprestado o rosto de uma amiga para fazer o projeto, entreguei a tarefa e pensei: “Sabe de uma coisa? Outra pessoa vai resolver esse problema”.
Pouco tempo depois, eu estava em Hong Kong, numa competição de empreendedorismo. Os organizadores decidiram levar os participantes pra visitar “start-ups” locais. Uma das start-ups tinha um robô social, e eles decidiram fazer uma demonstração.
A demonstração funcionou com todos, até que chegou a minha vez e, como vocês já podem imaginar, ele não detectou meu rosto.
Perguntei aos desenvolvedores por quê, e descobri que usaram o mesmo software genérico de reconhecimento facial que eu. Do outro lado do mundo, descobri que o viés algorítmico consegue viajar tão rápido quanto um download da internet.
O que estava acontecendo? Por que meu rosto não era detectado? Bem, precisamos analisar como damos “visão” às máquinas. A visão de computador utiliza técnicas de aprendizagem automática para fazer o reconhecimento facial. Funciona assim: você cria uma série de treinamento, com alguns rostos. “Isto é um rosto. Isto é um isto. Isto não é um rosto.” Com o tempo, você ensina o computador a reconhecer outros rostos. Porém, se as séries não forem diversificadas o bastante, qualquer rosto que seja muito diferente dos demais será mais difícil de detectar, e era isso que acontecia comigo.
Mas não se preocupem. Tenho boas notícias.
As séries de treinamento não surgem do nada. Nós é que as criamos.
Então, podemos criar séries de amplo espectro, que reflitam rostos humanos de forma mais diversa.
Vocês já viram nos exemplos que dei como os robôs sociais me fizeram ver a exclusão causada pelo viés algorítmico, mas o viés algorítmico também pode acarretar práticas discriminatórias. Em todos os Estados Unidos, departamentos de polícia estão começando a usar softwares de reconhecimento facial como parte de seu arsenal na luta contra o crime. A Georgetown Law publicou um relatório mostrando que um em cada dois adultos nos EUA, ou seja, 117 milhões de pessoas, tiveram seus rostos incluídos em redes de reconhecimento facial. Hoje, os departamentos de polícia podem usar essas redes sem qualquer regulação, usando algoritmos que não tiveram sua precisão auditada. Ainda assim, sabemos que o reconhecimento facial não é infalível, e identificar rostos de forma consistente continua sendo um desafio. Talvez já tenham visto isso no Facebook. Eu e meus amigos rimos o tempo todo quando vemos outras pessoas sendo marcadas incorretamente em nossas fotos. Mas errar na identificação de um suspeito de crime não é nada engraçado, nem violar liberdades civis.
A aprendizagem automática vem sendo usada no reconhecimento facial, mas também vem se expandindo além da visão de computador. Em seu livro “Weapons of Math Destruction”, a cientista de dados Cathy O'Neil fala sobre a ascensão dos novos “DMDs” algoritmos “disseminados, misteriosos e destrutivos” que têm sido cada vez mais utilizados na tomada de decisões que impactam mais aspectos das nossas vidas. Quem será contratado ou demitido? Vai conseguir aquele empréstimo, ou seguro? Vai entrar na faculdade que você queria? Eu e você pagamos o mesmo valor pelo mesmo produto vendido na mesma loja?
A segurança pública também está começando a usar a aprendizagem automática no policiamento preditivo. Alguns juízes utilizam índices de risco gerados por máquinas para determinar quanto tempo um indivíduo ficará na prisão. Temos realmente que refletir sobre essas decisões. Será que são justas? E já vimos que o viés algorítmico nem sempre leva a resultados justos.
Então, o que podemos fazer? Bem, podemos começar a pensar em como criar codificação mais inclusiva e adotar práticas de codificação inclusivas. Tudo começa com pessoas. Então, é importante saber quem codifica. Estamos criando equipes diversificadas, com indivíduos diferentes que possam verificar pontos cegos uns dos outros? Quanto ao aspecto técnico, a forma como codificamos é relevante. Estamos levando em conta a equidade no desenvolvimento de sistemas? Finalmente, a razão pela qual codificamos é relevante. Utilizamos ferramentas de criação computacional para gerar imensas riquezas. Hoje temos a oportunidade de gerar igualdade ainda maior, se considerarmos a mudança social como uma prioridade e não como algo de menos importância. Esses são os três princípios na criação do movimento pela codificação inclusiva. É importante quem codifica, é importante como se codifica e é importante por que se codifica.
Então, para uma codificação inclusiva, podemos começar a pensar na criação de plataformas que identifiquem o viés, coletando as experiências das pessoas, como as que eu contei aqui, mas também auditando softwares já existentes. Também podemos começar a criar séries de treinamento mais inclusivas. Imaginem uma campanha de "'Selfies' pela Inclusão", em que eu e vocês possamos ajudar os desenvolvedores a testar e criar séries de treinamento mais inclusivas. Também podemos começar a pensar de forma mais consciente sobre o impacto social das tecnologias que temos desenvolvido.
Para iniciarmos o movimento de codificação inclusiva lancei a Liga da Justiça Algorítmica, onde todos que se importem com a equidade podem lutar contra o olhar codificado. Em codedgaze.com, vocês podem relatar vieses, solicitar auditorias, participar dos testes e se juntar ao debate que vem ocorrendo, #codedgaze.
Convido vocês a se juntarem a mim na criação de um mundo onde a tecnologia trabalhe em favor de todos, não apenas em favor de alguns, um mundo onde valorizemos a inclusão e tenhamos como foco a mudança social.
Obrigada.
(Aplausos)
Mas tenho uma pergunta: Vocês vão se juntar a mim nessa luta?
(Risos)
(Aplausos)
Fonte: TED
[Visto no Brasil Acadêmico]
Comentários