How I'm fighting bias in algorithms | Joy Buolamwini

312,131 views ・ 2017-03-29

TED


Pro přehrání videa dvakrát klikněte na anglické titulky níže.

Překladatel: Kateřina Jabůrková Korektor: Alena Novotná
00:12
Hello, I'm Joy, a poet of code,
0
12861
3134
Ahoj, jsem Joy, básnířka kódu,
00:16
on a mission to stop an unseen force that's rising,
1
16019
4993
na misi usilující o zastavení síly, která je na vzestupu,
00:21
a force that I called "the coded gaze,"
2
21036
2856
síle zvané „zakódovaný pohled“,
00:23
my term for algorithmic bias.
3
23916
3309
můj termín pro algoritmický předsudek.
00:27
Algorithmic bias, like human bias, results in unfairness.
4
27249
4300
Algoritmický předsudek, stejně jako lidský směřuje k neférovosti.
00:31
However, algorithms, like viruses, can spread bias on a massive scale
5
31573
6022
Nicméně, podobně jako virusy, algoritmy mohou šířit předsudky
00:37
at a rapid pace.
6
37619
1582
masově a velmi rychle.
00:39
Algorithmic bias can also lead to exclusionary experiences
7
39763
4387
Algoritmický předsudek může také vést k vyloučení
00:44
and discriminatory practices.
8
44174
2128
a diskriminujícím praktikám.
00:46
Let me show you what I mean.
9
46326
2061
Ukážu vám, co mám na mysli.
00:48
(Video) Joy Buolamwini: Hi, camera. I've got a face.
10
48800
2436
(video) Joy: Ahoj, kamero. Mám obličej.
00:51
Can you see my face?
11
51982
1864
Vidíte můj obličej?
00:53
No-glasses face?
12
53871
1625
Obličej bez brýlí?
00:55
You can see her face.
13
55521
2214
Vidíte i její tvář.
00:58
What about my face?
14
58057
2245
A co tu mou?
01:03
I've got a mask. Can you see my mask?
15
63710
3750
Mám masku. Vidíte tu masku?
01:08
Joy Buolamwini: So how did this happen?
16
68294
2365
Joy: Jak se to přihodilo?
01:10
Why am I sitting in front of a computer
17
70683
3141
Proč sedím před počítačem
01:13
in a white mask,
18
73848
1424
v bílé masce ve snaze
01:15
trying to be detected by a cheap webcam?
19
75296
3650
nechat se identifikovat levnou webkamerou?
01:18
Well, when I'm not fighting the coded gaze
20
78970
2291
Když nebojuji proti zakódovanému pohledu
01:21
as a poet of code,
21
81285
1520
jako básnířka kódu,
01:22
I'm a graduate student at the MIT Media Lab,
22
82829
3272
jsem studentkou Media Lab na MIT,
01:26
and there I have the opportunity to work on all sorts of whimsical projects,
23
86125
4917
kde mám možnost pracovat na celé řadě zvláštních projektů,
01:31
including the Aspire Mirror,
24
91066
2027
třeba i na projektu Zrcadla Aspire,
01:33
a project I did so I could project digital masks onto my reflection.
25
93117
5134
kde jsem se pokusila promítnout digitální masku na můj odraz.
01:38
So in the morning, if I wanted to feel powerful,
26
98275
2350
Takže ráno, když jsem se chtěla cítit silná,
01:40
I could put on a lion.
27
100649
1434
mohla jsem si nasadit lva.
01:42
If I wanted to be uplifted, I might have a quote.
28
102107
3496
Pokud jsem chtěla povzbudit, mohla jsem mít citát.
01:45
So I used generic facial recognition software
29
105627
2989
Takže jsem použila generický software na rozpoznávání obličeje
01:48
to build the system,
30
108640
1351
pro výstavbu tohoto systému,
01:50
but found it was really hard to test it unless I wore a white mask.
31
110015
5103
ale bylo obtížné jej testovat, pokud jsem neměla bílou masku.
01:56
Unfortunately, I've run into this issue before.
32
116102
4346
Naneštěstí jsem na tento problém narazila již dříve.
02:00
When I was an undergraduate at Georgia Tech studying computer science,
33
120472
4303
Když jsem studovala na Georgia Tech počítačovou vědu,
02:04
I used to work on social robots,
34
124799
2055
pracovala jsem na sociálních robotech
02:06
and one of my tasks was to get a robot to play peek-a-boo,
35
126878
3777
a jedním z mých úkolů bylo přimět robota hrát na schovávanou,
02:10
a simple turn-taking game
36
130679
1683
jednoduchou hru,
02:12
where partners cover their face and then uncover it saying, "Peek-a-boo!"
37
132386
4321
kde si partneři zahalí své tváře a po odhalení říkají „Ku ku ku!!“
02:16
The problem is, peek-a-boo doesn't really work if I can't see you,
38
136731
4429
Problém je, že to nefunguje, pokud se nevidíte,
02:21
and my robot couldn't see me.
39
141184
2499
a můj robot mne nemohl vidět.
02:23
But I borrowed my roommate's face to get the project done,
40
143707
3950
Abych dokončila tento projekt, půjčila jsem si obličej spolubydlícího,
02:27
submitted the assignment,
41
147681
1380
odevzdala úkol
02:29
and figured, you know what, somebody else will solve this problem.
42
149085
3753
a řekla si, že někdo jiný jistě vyřeší tento problém.
02:33
Not too long after,
43
153489
2003
Zanedlouho jsem byla v Hong Kongu
02:35
I was in Hong Kong for an entrepreneurship competition.
44
155516
4159
na podnikatelské soutěži.
02:40
The organizers decided to take participants
45
160159
2694
Organizátoři vzali účastníky
02:42
on a tour of local start-ups.
46
162877
2372
na prohlídku místních start-upů.
02:45
One of the start-ups had a social robot,
47
165273
2715
Jeden ze start-upů měl společenského robota
02:48
and they decided to do a demo.
48
168012
1912
a rozhodli se nám jej ukázat.
02:49
The demo worked on everybody until it got to me,
49
169948
2980
Demo pracovalo na každém, než se dostali ke mně
02:52
and you can probably guess it.
50
172952
1923
a asi uhádnete, co se stalo.
02:54
It couldn't detect my face.
51
174899
2965
Nedokázala detekovat mou tvář.
02:57
I asked the developers what was going on,
52
177888
2511
Zeptala jsem se developerů, co se děje a ukázalo se,
03:00
and it turned out we had used the same generic facial recognition software.
53
180423
5533
že použili stejný generický software pro rozpoznávání obličeje.
03:05
Halfway around the world,
54
185980
1650
Na druhé straně polokoule jsem zjistila,
03:07
I learned that algorithmic bias can travel as quickly
55
187654
3852
že algoritmický předsudek může cestovat tak rychle,
03:11
as it takes to download some files off of the internet.
56
191530
3170
jak dlouho trvá stažení několika souborů na počítači.
03:15
So what's going on? Why isn't my face being detected?
57
195565
3076
Takže co se děje? Proč můj obličej nebyl rozpoznán?
03:18
Well, we have to look at how we give machines sight.
58
198665
3356
Musíme se podívat na to, jak umožňujeme strojům vidět.
03:22
Computer vision uses machine learning techniques
59
202045
3409
Počítačový zrak používá techniky strojového učení,
03:25
to do facial recognition.
60
205478
1880
aby rozpoznal obličeje.
03:27
So how this works is, you create a training set with examples of faces.
61
207382
3897
Funguje to tak, že vytvoříte tréninkovou sadu s ukázkami tváří.
03:31
This is a face. This is a face. This is not a face.
62
211303
2818
To je tvář. To je tvář. To není tvář.
03:34
And over time, you can teach a computer how to recognize other faces.
63
214145
4519
A za čas můžete naučit počítač, jak rozpoznat jiné tváře.
03:38
However, if the training sets aren't really that diverse,
64
218688
3989
Ale pokud nejsou tréninkové sady dost rozmanité,
03:42
any face that deviates too much from the established norm
65
222701
3349
každá tvář, která se příliš vzdaluje od etablované normy
03:46
will be harder to detect,
66
226074
1649
bude obtížně zjistitelná,
03:47
which is what was happening to me.
67
227747
1963
což je to, co se stává mně.
03:49
But don't worry -- there's some good news.
68
229734
2382
Ale nebojte se - jsou i dobré zprávy.
03:52
Training sets don't just materialize out of nowhere.
69
232140
2771
Tréningové sety se neobjevují z ničeho.
03:54
We actually can create them.
70
234935
1788
Ve skutečnosti je tvoříme my.
03:56
So there's an opportunity to create full-spectrum training sets
71
236747
4176
Existuje tedy příležitost vytvořit plné spektrum tréninkových setů,
04:00
that reflect a richer portrait of humanity.
72
240947
3824
které reflektují pestřejší obraz lidstva.
04:04
Now you've seen in my examples
73
244795
2221
Jak vidíte, díky společenským robotům
04:07
how social robots
74
247040
1768
jsem přišla na vyloučení
04:08
was how I found out about exclusion with algorithmic bias.
75
248832
4611
způsobené algoritmickým předsudkem.
04:13
But algorithmic bias can also lead to discriminatory practices.
76
253467
4815
Tento předsudek může ale také vést k diskriminačním praktikám.
04:19
Across the US,
77
259257
1453
Policejní oddělení v USA
04:20
police departments are starting to use facial recognition software
78
260734
4198
začínají používat software na rozpoznávání obličeje
04:24
in their crime-fighting arsenal.
79
264956
2459
jako nástroj boje proti zločinu.
04:27
Georgetown Law published a report
80
267439
2013
Gergetown Law publikovalo zprávu ukazující,
04:29
showing that one in two adults in the US -- that's 117 million people --
81
269476
6763
že jeden ze dvou dospělých v USA - to je ze 117 milionů lidí -
04:36
have their faces in facial recognition networks.
82
276263
3534
mají svou tvář v sítích na rozpoznávání tváře.
04:39
Police departments can currently look at these networks unregulated,
83
279821
4552
Policie se na tyto sítě může dívat bez regulace,
04:44
using algorithms that have not been audited for accuracy.
84
284397
4286
při použití algoritmů, které nebyly auditovány na přesnost.
04:48
Yet we know facial recognition is not fail proof,
85
288707
3864
A to víme, že rozpoznání tváře není neomylné
04:52
and labeling faces consistently remains a challenge.
86
292595
4179
a označování tváří stále zůstává výzvou.
04:56
You might have seen this on Facebook.
87
296798
1762
Mohli jste to vidět na facebooku.
04:58
My friends and I laugh all the time when we see other people
88
298584
2988
S přáteli se vždy smějeme,
05:01
mislabeled in our photos.
89
301596
2458
když vidíme špatně označené lidi na fotkách.
05:04
But misidentifying a suspected criminal is no laughing matter,
90
304078
5591
Ale není k smíchu špatně označený podezřelý,
05:09
nor is breaching civil liberties.
91
309693
2827
ani porušování našich občanských práv.
05:12
Machine learning is being used for facial recognition,
92
312544
3205
Pro rozpoznání tváře je používáno strojové učení,
05:15
but it's also extending beyond the realm of computer vision.
93
315773
4505
ale toto zasahuje za říši vidění počítače.
05:21
In her book, "Weapons of Math Destruction,"
94
321086
4016
Ve své knize „Zbraně matematického ničení“
05:25
data scientist Cathy O'Neil talks about the rising new WMDs --
95
325126
6681
Cathy O´Neil, analytička dat, hovoří o vzestupu nových zbraní -
05:31
widespread, mysterious and destructive algorithms
96
331831
4353
široce rozšířených, záhadných a destruktivních algoritmů,
05:36
that are increasingly being used to make decisions
97
336208
2964
které mají dopad na více aspektů našich životů
05:39
that impact more aspects of our lives.
98
339196
3177
a jsou ve vzrůstající míře užívány pro rozhodování.
05:42
So who gets hired or fired?
99
342397
1870
Takže koho přijmou, koho vyhodí?
05:44
Do you get that loan? Do you get insurance?
100
344291
2112
Kdo dostane půjčku? Kdo bude pojištěn?
05:46
Are you admitted into the college you wanted to get into?
101
346427
3503
Budete přijati na školu, na kterou chcete?
05:49
Do you and I pay the same price for the same product
102
349954
3509
Zaplatíme vy i já stejnou cenu za stejný produkt,
05:53
purchased on the same platform?
103
353487
2442
zakoupený na stejné platformě?
05:55
Law enforcement is also starting to use machine learning
104
355953
3759
Policie také začíná využívat strojové učení
05:59
for predictive policing.
105
359736
2289
pro prediktivní ochranu.
06:02
Some judges use machine-generated risk scores to determine
106
362049
3494
Někteří soudci využívají strojem generované hodnocení rizik pro určení,
06:05
how long an individual is going to spend in prison.
107
365567
4402
jak dlouho má člověk zůstat ve vězení.
06:09
So we really have to think about these decisions.
108
369993
2454
Opravdu musíme přemýšlet o těchto rozhodnutích.
06:12
Are they fair?
109
372471
1182
Jsou férová?
06:13
And we've seen that algorithmic bias
110
373677
2890
Viděli jsme, že algoritmický předsudek
06:16
doesn't necessarily always lead to fair outcomes.
111
376591
3374
nemusí vždy vést k férovým výsledkům.
06:19
So what can we do about it?
112
379989
1964
Co s tím můžeme dělat?
06:21
Well, we can start thinking about how we create more inclusive code
113
381977
3680
Můžeme začít uvažovat o tvorbě inkluzivnějšího kódu
06:25
and employ inclusive coding practices.
114
385681
2990
a užívat inkluzivní techniky kódování.
06:28
It really starts with people.
115
388695
2309
Opravdu to začíná lidmi.
06:31
So who codes matters.
116
391528
1961
Záleží na tom, kdo kóduje.
06:33
Are we creating full-spectrum teams with diverse individuals
117
393513
4119
Vytváříme široké týmy s různými osobnostmi,
06:37
who can check each other's blind spots?
118
397656
2411
kteří si vzájemně mohou kontrolovat slepá místa?
06:40
On the technical side, how we code matters.
119
400091
3545
Po technické stránce záleží na tom, jak kódujeme.
06:43
Are we factoring in fairness as we're developing systems?
120
403660
3651
Zahrnujeme férovost do vyvíjených systémů?
06:47
And finally, why we code matters.
121
407335
2913
Nakonec záleží na tom, proč kódujeme.
06:50
We've used tools of computational creation to unlock immense wealth.
122
410605
5083
Využili jsme nástroje pro tvorbu, odemykající obrovské bohatství.
06:55
We now have the opportunity to unlock even greater equality
123
415712
4447
Máme příležitost otevřít ještě větší rovnost,
07:00
if we make social change a priority
124
420183
2930
pokud sociální změně dáme prioritu
07:03
and not an afterthought.
125
423137
2170
a nebudeme na ni pouze vzpomínat.
07:05
And so these are the three tenets that will make up the "incoding" movement.
126
425828
4522
To jsou tři zásady, které jsou součástí tohoto hnutí.
07:10
Who codes matters,
127
430374
1652
Záleží na tom, kdo kóduje,
07:12
how we code matters
128
432050
1543
jak kódujeme
07:13
and why we code matters.
129
433617
2023
a proč kódujeme.
07:15
So to go towards incoding, we can start thinking about
130
435664
3099
Takže můžeme začít přemýšlet
07:18
building platforms that can identify bias
131
438787
3164
o vytváření platformy identifikující předsudky,
07:21
by collecting people's experiences like the ones I shared,
132
441975
3078
sbírání takových zkušeností, kterou jsem vám vyprávěla,
07:25
but also auditing existing software.
133
445077
3070
ale také auditování existujícího software.
07:28
We can also start to create more inclusive training sets.
134
448171
3765
Také můžeme vytvářet inkluzivnější tréninkové sety.
07:31
Imagine a "Selfies for Inclusion" campaign
135
451960
2803
Přestavte si kampaň „Selfie pro inkluzi“,
07:34
where you and I can help developers test and create
136
454787
3655
kde já a vy můžeme pomoci developerům testovat a vytvořit
07:38
more inclusive training sets.
137
458466
2093
inkluzivnější tréninkové sety.
07:41
And we can also start thinking more conscientiously
138
461122
2828
Také můžeme začít přemýšlet svědomitěji
07:43
about the social impact of the technology that we're developing.
139
463974
5391
o sociálních důsledcích technologií, které vytváříme.
07:49
To get the incoding movement started,
140
469389
2393
K nastartování tohoto hnutí
07:51
I've launched the Algorithmic Justice League,
141
471806
2847
jsem vytvořila algoritmickou Ligu spravedlivých,
07:54
where anyone who cares about fairness can help fight the coded gaze.
142
474677
5872
kde kdokoli může pomoci proti „zakódovanému pohledu“.
08:00
On codedgaze.com, you can report bias,
143
480573
3296
Na codedgaze.com můžete dát vědět o předsudku,
08:03
request audits, become a tester
144
483893
2445
požádat si o audit, stát se testerem,
08:06
and join the ongoing conversation,
145
486362
2771
nebo se zapojit do probíhající diskuse,
08:09
#codedgaze.
146
489157
2287
#codedgaze.
08:12
So I invite you to join me
147
492562
2487
Takže vás zvu, abyste se ke mně přidali
08:15
in creating a world where technology works for all of us,
148
495073
3719
ve vytváření světa, kde technologie pracuje pro všechny,
08:18
not just some of us,
149
498816
1897
ne jen pro některé,
08:20
a world where we value inclusion and center social change.
150
500737
4588
svět, ve kterém si ceníme inkluze a soustředíme se na sociální změnu.
08:25
Thank you.
151
505349
1175
Děkuji.
08:26
(Applause)
152
506548
4271
(potlesk)
08:32
But I have one question:
153
512693
2854
Mám ale jednu otázku:
08:35
Will you join me in the fight?
154
515571
2059
Přidáte se k mému boji?
08:37
(Laughter)
155
517654
1285
(smích)
08:38
(Applause)
156
518963
3687
(potlesk)
O tomto webu

Tato stránka vám představí videa na YouTube, která jsou užitečná pro výuku angličtiny. Uvidíte lekce angličtiny vedené špičkovými učiteli z celého světa. Dvojklikem na anglické titulky zobrazené na každé stránce s videem si video přehrajete přímo odtud. Titulky se posouvají synchronizovaně s přehráváním videa. Pokud máte nějaké připomínky nebo požadavky, kontaktujte nás prosím pomocí tohoto kontaktního formuláře.

https://forms.gle/WvT1wiN1qDtmnspy7