Sign up to save your podcasts
Or
Share Racismo em Algoritmos: Viés racial em Deep Fakes
Share to email
Share to Facebook
Share to X
Share to email
Share to Facebook
Share to X
Or
Racismo em Algoritmos: Viés racial em Deep Fakes
Recentemente uma técnica de “aumento de resolução de imagens” foi popularizada através de um tweet. Uma limitação supostamente inesperada rapidamente veio à tona graças à comunidade do Twitter: o método é incapaz de lidar com imagens de pessoas não-brancas, com destaque a asiáticos e pretos.
O viés racial em algoritmos baseados em aprendizado de máquina recebeu um grande destaque com a popularização de métodos generativos, capazes de produzir rostos de pessoas que não existem. As famosas #DeepFake se preferir. Apesar de existirem redes generativas capazes de produzir imagens muito diversas, nem todo método tem essa preocupação inerentemente. Por isso chamamos duas mulheres MARAVILHOSAS para discutirmos os impactos desse tipo de trabalho, as possíveis soluções e porquê a academia deve se preocupar com o viés de dados: a Nina da Hora e a Clara Matheus do Mimimidias.
Nina da Hora:
Twitter e Instagram @ninadhora
Ogunhê Podcast https://anchor.fm/ana-carolina-da-hora
Clara Matheus:
Twitter @claramatheus
Instragram @claramatheus_
Mimimidias https://www.youtube.com/channel/UCg0CfiR_iKjBOYgeHps17BA
Vídeos citados:
Sueli Carneiro: Ciência e racismo
https://www.youtube.com/watch?v=gBYk4ePmS6s
Sabrina Fernandes: Nem todo homem é machista
https://www.youtube.com/watch?v=MdoJnJTEj88
Nossa playlist de Deep Fake https://www.youtube.com/playlist?list=PL3Wx5P4NOzUjqE52_NNz1HOwAcP_FtwFD
######## Referências ########
-- Sobre o Face Depixelizer (Algoritmo PULSE):
Tweet original: https://twitter.com/tg_bomze/status/1274098682284163072
Colab: https://colab.research.google.com/github/tg-bomze/Face-Depixelizer/blob/master/Face_Depixelizer_Eng.ipynb
GitHub: https://github.com/adamian98/pulse#data
Paper: http://openaccess.thecvf.com/content_CVPR_2020/papers/Menon_PULSE_Self-Supervised_Photo_Upsampling_via_Latent_Space_Exploration_of_Generative_CVPR_2020_paper.pdf
Página do Projeto: http://pulse.cs.duke.edu/
Twitter da Dr. Timnit Gebru:
https://twitter.com/timnitGebru/
Post que apresenta todas as threads de Twitter comentadas no vídeo:
https://thegradient.pub/pulse-lessons/
Uma aula sobre viés de dados em Machine Learning, apresentada pela Margaret Mitchell, pesquisadora sênior da Google AI: Slides:
https://web.stanford.edu/class/archive/cs/cs224n/cs224n.1194/slides/cs224n-2019-lecture19-bias.pdf
Vídeo: http://onlinehub.stanford.edu/youtube-cs224n-natural-language-processing-with-deep-learning-winter-2019/stanford-cs224n-nlp-with-deep-learning-winter-2019-lecture-19-bias-in-ai
View all episodes
By Canal Peixe BabelRecentemente uma técnica de “aumento de resolução de imagens” foi popularizada através de um tweet. Uma limitação supostamente inesperada rapidamente veio à tona graças à comunidade do Twitter: o método é incapaz de lidar com imagens de pessoas não-brancas, com destaque a asiáticos e pretos.
O viés racial em algoritmos baseados em aprendizado de máquina recebeu um grande destaque com a popularização de métodos generativos, capazes de produzir rostos de pessoas que não existem. As famosas #DeepFake se preferir. Apesar de existirem redes generativas capazes de produzir imagens muito diversas, nem todo método tem essa preocupação inerentemente. Por isso chamamos duas mulheres MARAVILHOSAS para discutirmos os impactos desse tipo de trabalho, as possíveis soluções e porquê a academia deve se preocupar com o viés de dados: a Nina da Hora e a Clara Matheus do Mimimidias.
Nina da Hora:
Twitter e Instagram @ninadhora
Ogunhê Podcast https://anchor.fm/ana-carolina-da-hora
Clara Matheus:
Twitter @claramatheus
Instragram @claramatheus_
Mimimidias https://www.youtube.com/channel/UCg0CfiR_iKjBOYgeHps17BA
Vídeos citados:
Sueli Carneiro: Ciência e racismo
https://www.youtube.com/watch?v=gBYk4ePmS6s
Sabrina Fernandes: Nem todo homem é machista
https://www.youtube.com/watch?v=MdoJnJTEj88
Nossa playlist de Deep Fake https://www.youtube.com/playlist?list=PL3Wx5P4NOzUjqE52_NNz1HOwAcP_FtwFD
######## Referências ########
-- Sobre o Face Depixelizer (Algoritmo PULSE):
Tweet original: https://twitter.com/tg_bomze/status/1274098682284163072
Colab: https://colab.research.google.com/github/tg-bomze/Face-Depixelizer/blob/master/Face_Depixelizer_Eng.ipynb
GitHub: https://github.com/adamian98/pulse#data
Paper: http://openaccess.thecvf.com/content_CVPR_2020/papers/Menon_PULSE_Self-Supervised_Photo_Upsampling_via_Latent_Space_Exploration_of_Generative_CVPR_2020_paper.pdf
Página do Projeto: http://pulse.cs.duke.edu/
Twitter da Dr. Timnit Gebru:
https://twitter.com/timnitGebru/
Post que apresenta todas as threads de Twitter comentadas no vídeo:
https://thegradient.pub/pulse-lessons/
Uma aula sobre viés de dados em Machine Learning, apresentada pela Margaret Mitchell, pesquisadora sênior da Google AI: Slides:
https://web.stanford.edu/class/archive/cs/cs224n/cs224n.1194/slides/cs224n-2019-lecture19-bias.pdf
Vídeo: http://onlinehub.stanford.edu/youtube-cs224n-natural-language-processing-with-deep-learning-winter-2019/stanford-cs224n-nlp-with-deep-learning-winter-2019-lecture-19-bias-in-ai