原标题：人脸分辨对女性、深色人种分辨较差，微软与IBM着手改进
图片来源:微软
麻省理工学院媒体实验室（MIT△Media△Lab）的研究人员Joy△Buolamwini今年初曾公开批评，人脸分辨技术可能因为所使用的资料集及建立演算法的条件而造成偏差，例如分辨男性比分辨女性准确，分辨白人又比分辨黑人准确，而微软与IBM则不约而同地在本周祭出改善人脸分辨偏差的措施。
MIT媒体实验室测试了来自微软、IBM与中国旷视（Megvii）的人脸分辨系统，却发现这些系统分辨浅色人种性别的能力大过于分辨深色人种的性别，而分辨度最差的则是深色人种的女性。
其中，微软在周二（6/26）宣布已更新该公司的人脸分辨技术，大幅强化系统分辨基于各种肤色之性别的能力。
微软数位顾问服务技术长John△Roach认为，在分辨深色皮肤的女性上有较高的错误率突显了整个产业的挑战—人工智能技术只能跟用来训练它们的资料一样好，假使人脸分辨系统要对所有人类一视同仁，那么所用来训练的资料集就应该要能代表各式各样的肤色、发型、珠宝或眼镜。
于是微软与专家合作以企图解决偏差及公平的问题，改善了性别分类系统，以让所有肤色在性别分辨上都能有更好的结果，现在的新系统在分辨深色皮肤性别的错误率降低了20倍。
另一方面，IBM也同意人脸分辨的偏差来自于训练系统缺乏不同的数据，因此决定在今年秋天公开释出释出两个资料集供科技产业与研究社交使用。
其中一个是含有100万张影像的人脸属性与身份训练资料集，它会同时被标注属性与身份，利用Flickr影像的地理标签来平衡来自不同国家的数据，还有主动学习工具以减少样本选择的偏差。目前全球最大的人脸属性资料集只含有20万张影像，且只单独供应属性或是身份，IBM的新数据集除了资料量更为庞大之外，还能将属性与个人配对。
另一个资料集则包含了3.6万张的人脸影像，且均匀分配在不同的种族、性别与年龄，此一多元化的资料集将可供人们评估自己的技术，或是协助演算法的设计者分辨及解决其人脸分辨系统上的偏差。
相关：
图片来源: 微软 微软周三（6/27）宣布，于去年底公开预览的Azure△IoT△Edge边缘运算服务已迈入了正式版，微软也于同一天通过GitHub开源了Azure△IoT△Edge△。Azure△IoT△Edge主要是把云端的分析与订制化商业逻辑移
示意图，与新闻事件无关。 图片来源: 微软 继Amazon、苹果之后，微软也将更积极跨足健康照护业。周三微软宣布成立正式的健康照护部门Microsoft△Healthcare，包括挖角Google生技子公司Verily大将。其实去年初微软和
示意图，与新闻事件无关。 图片来源: Amazon CNBC本周引用职场薪水分析业者Paysa的数据指出，在2015年至2017年的3年间，Amazon向微软挖角了30名高阶主管，在同一期间，Amazon只挖角了Google的5名高阶主管、苹果的2
法律法规网消息 这个月南投草屯运动公园，有年轻女子运动要回家时发现包包被偷，令人发毛的是，被害人回家却发现，失窃的钱包被放在家门口，这种“女性限定”的失窃送还法令人忧心，警方逮捕嫌犯，是22岁
微软加强Azure网络效能监控服务，服务连线监控功能正式上线
继Azure网络流量分析功能正式上路，让企业可以提升自家公云网络环境透明度后，现在Azure网络效能监控服务的新功能服务连线监控（Service△Connectivity△Monitor）也上线。微软表示，此功能可以让使用者监控虚拟机、