📄 Articles académiques
Gender Shades : Disparités d'exactitude intersectionnelles dans la classification commerciale du genre
Joy Buolamwini, Timnit Gebru •
Une étude révolutionnaire de 2018 publiée à la conférence FAccT révélant un biais sévère dans les systèmes commerciaux de reconnaissance faciale contre les femmes à peau foncée, avec des taux d'erreur allant jusqu'à 34,7% contre seulement 0,8% pour les hommes à peau claire.
Éthique de l'IA Féminisme intersectionnel Race et genre
+3