美國研究：自動駕駛汽車可能較容易撞到深色皮膚的行人
我們已經知道有些臉部辨識系統在辨認深色皮膚的人時準確率較低，而現在用來幫助自駕車導航的人工智慧系統似乎也有相同的問題。該問題可能會對深膚色的行人造成危險，顯示人工智慧可能也會出現種族方面的偏見。
有偏見的人工智慧
根據一篇近日發表的研究，美國喬治亞理工學院（Georgia Institute of Technology）的研究人員對 8 個用於先進物體偵測系統的人工智慧模型進行詳細研究。這些系統能夠讓自駕車辨識路標、行人及其他物體。
研究人員根據常用來分類人類膚色的費氏量表（Fitzpatrick scale）上的分數，將行人的影像分成兩組，並測試這些人工智慧模型。研究結果顯示，當遇到量表上皮膚顏色最深的三種人時，這些模型均表現不佳。
平均來看，即使研究人員將照片在白天或晚上拍攝的變數考慮進去，當檢視皮膚膚色較深的群組時，這些模型的準確度會降低約 5%。
[related-post url=”https://tomorrowsci.com/technology/mit-%E9%81%93%E5%BE%B7%E5%BF%83%E7%90%86%E5%AD%B8%E7%A0%94%E7%A9%B6-%E8%87%AA%E5%8B%95%E9%A7%95%E9%A7%9B-%E8%BB%8A%E7%A6%8D-%E7%94%9F%E6%AD%BB%E6%8A%89%E6%93%87/”]解決問題方法
這項研究表示，在路上充滿自駕車的未來，深膚色行人的安全可能不如淺色皮膚的行人。
根據這個研究，研究人員將能找出所需的技術，將更多深色皮膚行人的影像讓人工智慧系統進行訓練，並更加重視系統偵測這些影像的準確率，以避免未來路上充滿帶有偏見的自駕車。
參考資料：
- Houser, K., (2019, Mar 5). Self-Driving Cars May Hit People With Darker Skin More Often. Futurism
- Wilson, B. et al., Predictive Inequity in Object Detection. arXiv:1902.11097
