La seule technique qui soit objective est celle du CPU, du pur calcul. Du moment que tu mets des algorithmes complexes écrits par des humains là dessus, sur des sujets complexes, les biais apparaissent.
Exemples connus autour du même sujet :
- Les premières implémentations de détection de visage ne détectaient pas les visages à peau sombres, mais juste les visages clairs. Il n'avaient jamais eu l'idée de tester ce cas là
- Les détections de visages et/ou de sourire ne détectaient pas correctement les sourires en fermant les yeux, comme dans certains pays asiatiques, voire affichait un message demandant d'ouvrir les yeux.
- La gestion automatique de couple ouverture/vitesse de nombreux appareils photos numériques et de téléphones a un problème pour photographier les peaux noires, les représente de façon trop sombres.
L'algorithme en soit fait ce qu'on lui demande, il détecte les visages selon certains paramètres. Le problème est que quand on ne le confronte pas à la diversité, on ne se rend pas compte à quel point il est inexact ou mal paramétré.
[^] # Re: De la neutralité de l'informatique !
Posté par damaki . En réponse au journal GitHub remplace la branche master par main. Évalué à 1. Dernière modification le 25 août 2020 à 14:51.
La seule technique qui soit objective est celle du CPU, du pur calcul. Du moment que tu mets des algorithmes complexes écrits par des humains là dessus, sur des sujets complexes, les biais apparaissent.
Exemples connus autour du même sujet :
- Les premières implémentations de détection de visage ne détectaient pas les visages à peau sombres, mais juste les visages clairs. Il n'avaient jamais eu l'idée de tester ce cas là
- Les détections de visages et/ou de sourire ne détectaient pas correctement les sourires en fermant les yeux, comme dans certains pays asiatiques, voire affichait un message demandant d'ouvrir les yeux.
- La gestion automatique de couple ouverture/vitesse de nombreux appareils photos numériques et de téléphones a un problème pour photographier les peaux noires, les représente de façon trop sombres.
L'algorithme en soit fait ce qu'on lui demande, il détecte les visages selon certains paramètres. Le problème est que quand on ne le confronte pas à la diversité, on ne se rend pas compte à quel point il est inexact ou mal paramétré.