科学家开发了一个由1万多张人类图像组成的数据库，用来评估人工智能（AI）模型在计算机视觉领域的偏见。这一名为“公平的以人类为中心的图像基准”（FHIBE）的数据集，经用户同意，采用符合伦理的手段获取，可用于评估以人为中心的计算机视觉任务，从而识别、纠正偏见和刻板印象。《自然》11月6日发表了这项研究成果。

计算机视觉广泛用于自动驾驶车辆、面部识别技术等领域。许多计算机视觉使用的AI模型，其训练数据存在缺陷，可能未经同意收集，经常来自网络大规模图像抓取。此外，AI模型可能会反映性别、种族歧视或其他刻板印象的偏见。

在这项研究中，美国纽约索尼AI的Alice Xiang和同事构建的图像数据集FHIBE，包含了81个国家或地区1981名个体的10318张图像。该数据库包括了人口统计和生理特征的全面标注，包括年龄、代词类别、祖先血统、发色与肤色等。参与者获得了关于项目和潜在风险的详细信息，帮助他们做出知情同意，过程符合全面数据保护法规。这些特征使该数据库成为评估AI偏见的可靠资源。

研究者将FHIBE和27个现有以人类为中心的计算机视觉应用数据集做了比较，发现FHIBE数据集在多样性与AI评估的可靠同意方面标准更高。它还有效减少了偏见，包含的参与者自我申报标注信息超过其他数据集。该数据集可用于评估现有的AI模型在计算机视觉任务中的表现，能揭示更多此前无法了解的偏见。作者承认创建数据集的过程充满挑战且成本高昂，但总结说，FHIBE可能代表了迈向更可信AI的一步。

相关论文信息：https://doi.org/10.1038/s41586-025-09716-2