Mar, 2024

手语人工智能研究中的系统偏见：聋人呼吁重新评估研究议程

PDF
TL;DR对手语人工智能领域的 101 篇近期研究论文进行了系统审查，发现该领域存在系统性偏见，缺乏代表性数据集，使用缺乏语言基础的注释以及构建在有缺陷模型上的方法，最终得出结论：该领域需要开放空间，让聋人研究者引领手语人工智能的讨论。
sign language recognitiongenerationtranslation aisystemic biasesdeaf researchers
发现论文，激发创造
  • 一个实时的人工智能学习手语的系统

    开发一种基于人工智能的成本效益高、资源高效和开放的技术，旨在帮助人们学习和使用手语进行交流，以促进社会的包容性。该研究分析了基于人工智能的手语解决方案，特别聚焦美国手语，取得了令人满意的初步结果，并为进一步发展奠定了基础。

    Feb, 2024

  • 构建数字语言鸿沟的桥梁

    AI 技术中的语言偏见是研究和开发方法论不公正的结果，我们提出了一项新的倡议，旨在通过技术设计和方法论，与当地社区进行眼球级的合作，减少语言偏见。

    Jul, 2023

  • 自动语音识别系统为什么不更具包容性？：自动语音识别系统的偏见及其缓解方法。一篇文献综述

    本研究针对自动语音识别的性别、种族、病残等偏见现象，探讨为缓解这些歧视提出的去偏见技术，并讨论设计更具通用性和包容性的语音识别技术。对于每种探讨方法，本文提供研究摘要、应用方法和研究结果，并强调其优点和 / 或缺点。最后，还提出了自然语言处理研究人员应在下一级别的 ASR 技术创新方面探索的未来机会。

    Nov, 2022

  • 语言技术从业者作为语言管理者：在 ASR 中仲裁数据偏见和预测偏见

    该研究论文采用语言政策视角，分析了当前工业训练和测试自动语音识别系统的做法如何导致数据偏见和算法偏见，进而导致系统误差差异，并提出将语言资源重新构建为（公共）基础设施的建议。

    Feb, 2022

  • 自动语音识别中的偏见量化

    本文旨在检测 ASR 系统中存在的性别、年龄、方言和非母语口音等方面引起的偏见，提出针对 ASR 开发的偏见缓解策略，主要关注数据集中由发音差异导致的各种偏见。

    Mar, 2021

  • 语言生成中的社会偏见：进展与挑战

    通过调查，我们着重讨论了语言生成中社会偏见的数据和技术对偏见的影响及降低偏见的进展，并进行了实验来量化解码技术的影响，提出了语言生成应用公平和包容性考虑的重要性。

    May, 2021

  • 手语识别技术和算法的比较分析

    该研究比较了各种深度学习技术对手语的识别，旨在提供这一领域中最新方法和挑战的综合概述。

    May, 2023

  • 多样性与语言技术：如何科技语言偏见导致知识公正失衡

    通过本文的研究表明，AI 技术的推广仍存在技术语言偏见的问题，这导致一些系统无法正确地表达来自其他社区的概念，从而忽视多样性和边缘化语言社群的需求和世界观。

    Jul, 2023

  • 应对生物医学中人工智能公平性和偏见的最新方法调查

    人工智能系统在临床实践中有潜力革新，包括提高诊断准确性和手术决策，并降低成本和人力。然而，需要认识到这些系统可能会延续社会不公平或表现出以种族或性别为基础的偏见。为了准确可靠地应用人工智能模型于临床环境中，理解和解决潜在的偏见至关重要。通过调查生物医学自然语言处理或计算机视觉领域的最新出版物，我们对生物医学领域中应用的偏见处理方法进行了概述，并讨论了每种方法的优势和弱点。最后，我们还回顾了从一般领域中可能应用于生物医学领域以解决偏见和提高公平性的其他潜在方法。

    Feb, 2024

  • 自动说话人识别中的偏差

    本文通过 VoxCeleb 说话人识别挑战的案例，深入实证研究和分析机器学习的发展过程中的偏差问题，发现每个开发阶段都存在偏差，建议采取实践性措施和未来研究方向以缓解这一问题。

    Jan, 2022