A Visão Computacional e o Viés na Detecção de Tons de Pele
A visão computacional, um ramo da inteligência artificial que permite às máquinas “verem” e interpretarem imagens e vídeos, tem sido alvo de críticas por seu viés na detecção de tons de pele. Tradicionalmente, a escala Fitzpatrick tem sido usada para medir este viés, uma ferramenta que classifica os tons de pele em seis categorias baseadas em sua resposta ao sol. No entanto, esta escala tem sido criticada por ser unidimensional e não representar adequadamente a diversidade de tons de pele existentes.
Sony Desenvolve Ferramenta para Melhorar a Detecção de Tons de Pele
Em resposta a essa problemática, a Sony desenvolveu uma nova ferramenta que expande a escala de tons de pele para duas dimensões, medindo tanto a cor (de clara a escura) quanto o matiz (de vermelho a amarelo). Essa inovação foi inspirada no trabalho da artista brasileira Angélica Dass, cujo projeto fotográfico “Humanae” mostra uma grande variedade de tons de pele entre pessoas de origens semelhantes. A Sony oferece essa ferramenta gratuitamente online.
O matiz do tom de pele é um fator importante que até agora havia sido ignorado. Na indústria cosmética, por exemplo, a seleção do tom base não é feita apenas pela sua clareza ou escuridão, mas também pelo seu calor ou frieza. Alice Xiang, chefe global de ética em IA na Sony, destaca a importância do matiz no tom de pele e como sua inclusão pode melhorar a precisão e equidade nos sistemas de visão computacional.
O Desafio de Medir o Viés na Visão Computacional
No entanto, medir o viés na visão computacional ainda é um desafio devido à falta de um padrão comumente aceito. Isso dificulta a comparação entre sistemas e a identificação de áreas de melhoria. Neste contexto, a Meta desenvolveu o FACET (Fairness in Computer Vision Evaluation), uma ferramenta projetada para medir a equidade nos modelos de visão computacional. O FACET pode ser usado em tarefas comuns como classificação, detecção e segmentação.
Laura Gustafson, pesquisadora de IA na Meta, afirma que o FACET é a primeira avaliação de equidade que inclui muitas tarefas diferentes de visão computacional e que incorpora uma gama mais ampla de métricas de equidade do que outras ferramentas de viés. Este avanço representa um passo importante para a criação de sistemas de visão computacional mais justos e precisos, capazes de representar adequadamente a diversidade humana.
Sarah é, além de uma especialista em marketing digital, uma criadora de conteúdo com vasta experiência no campo. Graduada em Sociologia pela Universidade de Barcelona e com uma Pós-graduação em Marketing Digital pelo Inesdi, Sarah conseguiu se destacar como Diretora de Marketing Digital. Seu profundo conhecimento das tendências digitais e sua habilidade para identificar oportunidades de crescimento foram fundamentais para o sucesso de inúmeras campanhas. Além disso, ela dá aulas e palestras em prestigiosas escolas de negócios, universidades e eventos, compartilhando seus conhecimentos e experiências com outros profissionais e estudantes.
