به گزارش گروه اجتماعی خبرگزاری برنا؛ مثلا اگر از یک بات شناسایی (recognition) استاندارد بخواهید که با دانش فعلی خود کاری جدید مثل تحلیل و آنالیز عکس‌ها انجام دهد قطعا نتیجه نامطلوبی به دست می‌آورید. همین مساله دستمایه وبسایت ImageNet Roulette است که به عنوان یک بخش از برنامه‌ای در باب تاریخچه سیستم‌های شناسایی تصویر توسعه داده شده. برنامه مذکور Training Humans نام گرفته و توسط «ترور پاگلن» و «کیت کرافورد» راه‌اندازی شده است.
بر اساس توضیحاتی که در این وبسایت آمده، ImageNet Roulette طراحی شده تا به ما نشان دهد که انسان‌ها از دید هوش مصنوعی چگونه دسته‌بندی می‌شوند. با استفاده از یک شبکه عصبی که توسط بیش از 2500 برچسب در پایگاه داده ImageNet تعلیم داده شده، این وبسایت تصویر انسان‌ها را در دسته‌های مختلف طبقه‌بندی می‌کند.
با این توضیحات چنین برنامه‌ای به نظر ارزشمند و قابل تأمل می‌آید حتی اگر ImageNet Roulette را به عنوان بخش مفرح آن در نظر بگیریم. در واقع این وبسایت عملکرد چندان قابل قبولی از خود نشان نمی‌دهد و بخش اعظم آن هم به خاطر مجموعه داده مورد استفاده آن یعنی ImageNet است. این مجموعه داده سال‌هاست که برای تعلیم هوش مصنوعی مورد استفاده محققان قرار می‌گرفته و در اصل برای شناسایی اشیاء به وجود آمده است و یک دسته‌بندی مخصوص برای انسان‌ها نیز در آن گنجانده شده.
مثال عملکرد نامناسب آن را هم می‌توان در عکس‌های زیر مشاهده کرد. در عکس اول فرد داخل تصویر را دسته سیگاری‌ها جای داده و در عکس دوم تشخیص داده که او در یک هواپیما قرار دارد و مهماندار است.
در واقع Training Humans دو مساله پایه‌ای را بررسی می‌کند: اینکه انسان‌ها چطور در مجموعه داده‌های تعلیم ماشین نمایانده و تفسیر می‌شوند و اینکه چطور سیستم‌های تکنولوژیکی از این مواد اولیه استفاده و بهره‌برداری می‌کنند. با پیشرفت بیشتر سیستم‌های هوش مصنوعی برای دسته‌بندی انسان‌ها، جهتگیری‌ها و سیاست‌های آن‌ها بیشتر نمود پیدا می‌کند.
