[發明專利]無種族偏見的識別人類的人工智能倫理方法和機器人

在審

• 申請號: 202010513340.X
• 申請日: 2020-06-08
• 公開（公告）號: CN111860133A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 朱定局
• 申請（專利權）人: 華南師范大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 江海浪

無種族偏見的識別人類的人工智能倫理方法和機器人，包括：待識別場景獲取步驟；換膚色步驟；第一事件場景數據集獲取步驟；第二事件場景數據集生成步驟；第二事件場景訓練步驟；人類識別步驟。上述方法、系統和機器人，通過深度學習或對抗生成網絡來進行膚色的轉換，來降低對B種族人等膚色的偏見，從而提高識別的準確率，降低由于偏見帶來的人工智能倫理風險。

技術領域

本發明涉及人工智能技術領域，特別是涉及一種無種族偏見的識別人類的人工智能倫理方法和機器人。

背景技術

在實現本發明過程中，發明人發現現有技術中至少存在如下問題：現有的人工智能倫理規則中對人類的識別是最基本的要求，非常重要，但現有算法對人類的識別存在算法偏見，例如對B種族人的識別率低于A種族人，甚至識別不出B種族人，現有技術中的解決方法是增加B種族人的樣本量，但這往往也無法消除偏見。

因此，現有技術還有待于改進和發展。

發明內容

基于此，有必要針對現有技術的缺陷或不足，提供無種族偏見的識別人類的人工智能倫理方法和機器人，以解決現有技術對膚色的偏見，來降低對B種族人等膚色的偏見，從而提高識別的準確率，降低由于偏見帶來的人工智能倫理風險。

第一方面，本發明實施例提供一種人工智能方法，所述方法包括：

待識別場景獲取步驟：獲取待識別的事件場景，作為第一事件場景；

換膚色步驟：將所述待識別的事件場景中的人類調整膚色后的事件場景，作為第二事件場景；

第一事件場景數據集獲取步驟：獲取事件場景數據集，所述數據集中的每一事件場景中若有人類，則將所述每一事件場景中的人類位置標記出來，若所述每一事件場景中沒有人類，則將所述每一事件場景中的人類位置標記為空，將所述每一事件場景及其標記的集合作為第一事件場景數據集；

第二事件場景數據集生成步驟：獲取第一事件場景數據集的每一事件場景及其標記，將所述數據集中的每一事件場景中的人類調整膚色，得到調整后的所述每一事件場景，將調整后的所述每一事件場景及其對應的所述標記的集合作為第二事件場景數據集；

第二事件場景訓練步驟：獲取所述第二事件場景數據集，將所述數據集中的事件場景作為深度學習模型的輸入，將所述數據集中的事件場景中的人類的位置作為深度學習模型的預期輸出，對深度學習模型進行訓練，得到訓練后的深度學習模型作為第二人類識別深度學習模型；

人類識別步驟：將所述第二事件場景輸入所述第二人類識別深度學習模型，計算得到的輸出作為所述第二事件場景中的人類的位置，若所述位置為空，則所述第一事件場景中不存在人類，若所述位置不為空，則將所述第二事件場景中的人類的位置作為所述第一事件場景中的人類的位置。

優選地，

所述方法還包括：

膚色轉換模型訓練步驟：初始化生成模型GM、判別模型DM；獲取所述第一事件場景數據集中的含有人類的事件場景數據子集，作為第一子集，將所述第一子集中的事件場景作為生成模型GM的輸入，經過生成模型GM后輸出的數據，作為FD；獲取所述第一事件場景數據集中的含有A種族人的事件場景數據子集，作為第二子集，將所述第二子集中的事件場景作為RD；將（FD，0）、（RD，1），作為判別網絡DM的輸入，經過判別網絡DM后輸出值為一個0到1之間的數，用于表示輸出為RD的概率；使用得到的概率值計算所述生成模型GM的損失函數和所述判別模型DM的損失函數；根據所述生成模型GM的損失函數，對所述生成模型GM進行修正；根據所述判別模型DM的損失函數，對所述判別模型DM進行修正；重復上述步驟，直至所述判別模型DM的輸出接近1/2，將最新的所述生成模型GM作為膚色轉換生成模型；

所述換膚色步驟具體包括：