A startup company called Qoves has developed an AI-powered beauty assessment tool that tells you how attractive you are. The free version spits out a list of your “predicted flaws'' and explains what sort of surgical interventions and expensive serums are needed to “fix” you. They’re not the only ones playing around with AI for this purpose, there are an alarming number of these sort of beauty assessment algorithms online. Face++, a facial recognition platform developed by China’s Megvii Technology, for example, has a tool that gives you a “Beauty Score”. It also purports to tell you how attractive you are from both a male and female perspective.How does a beauty scoring algorithm work? Good question; nobody really knows. Face++ won’t reveal the workings of its algorithm. Qoves’s tool, meanwhile, is trained on a dataset of hundreds of thousands of pictures scored manually by humans and extrapolates attractiveness from that. One thing we can say for certain about these sorts of tools is that they often reflect Eurocentric beauty biases. 2016, for example, saw the world’s first international beauty contest judged entirely by algorithm. Guess what? Out of 44 winners, nearly all were white, a handful were Asian, and only one had dark skin.In no more than two sentences, discuss why using an AI tool to rate attractiveness, for a sample of Unsplash photos of people, may be problematic. In your response include at least two relevant things you learned from this article.

Os softwares de reconhecimento facial estão cada vez mais avançados e precisos, mas uma análise realizada por pesquisadores da Universidade Stanford e do Instituto de Tecnologia de Massachussetts (MIT) com três programas disponíveis no mercado mostra que a raça e o sexo influenciam os resultados. Em testes com homens brancos, o erro nunca foi superior a 0,8%, mas com mulheres negras, as taxas de erro foram de 20% num software e de mais de 34% nos outros dois.Os resultados levantam questões sobre como as redes neurais são treinadas pelas empresas que desenvolvem os softwares. Por meio da inteligência artificial, esses programas “aprendem” ao analisar toneladas de dados. O problema é que o material apresentado para a máquina aprender está enviesado. Uma das companhias avaliadas alega que o sistema tem precisão acima de 97%, mas a base de dados utilizada para alimentá-lo era composta 77% por homens e 83%, brancos. E essa falha pode ter repercussões graves.Disponível em: <https://epocanegocios.globo.com/Tecnologia/noticia/2018/02/softwares-de-reconhecimento-facial-funcionam-bem-mas-apenas-para-homens-brancos.html>. Acesso em: jan. 2024. (Adaptado.)O texto levanta questões sobre o treinamento das redes neurais por empresas desenvolvedoras de softwares de reconhecimento facial. Pela leitura, infere-se quea)os resultados imprecisos dos softwares de reconhecimento facial para mulheres negras e outros grupos minoritários são resultado de falhas técnicas nos algoritmos utilizados, não do treinamento das redes neurais.b)o treinamento das redes neurais dos softwares de reconhecimento facial não influencia os resultados obtidos, que são determinados apenas pela qualidade dos algoritmos, independentemente de raça ou gênero.c)as redes neurais dos softwares de reconhecimento facial são treinadas com base em uma diversidade de dados que reflete a diversidade populacional, o que garante resultados precisos para todas as raças e gêneros.d)a falta de diversidade nos dados utilizados para treinar as redes neurais dos softwares de reconhecimento facial pode gerar resultados enviesados e menos precisos para determinados grupos raciais e de gênero.e)os softwares de reconhecimento facial apresentam precisão igual para todas as raças e gêneros, independentemente dos dados utilizados em seu treinamento, haja vista a diversidade de dados empregados em sua base.

Identify the kind of learning algorithm for  “facial identities for facial expressions”.

What can AI do today? Draw conclusions outside the data that it was providedSupport facial identificationEverything that humans can possibly doListen and understand like human

Elective cosmetic surgeries have increased for teenagers. In particular, cosmetic surgeons report an increase clients who want to look like they do when using social media filters. These clients are particularly interested in increasing their overall facial symmetry and changing their eyelids. Doctors refer to this phenomenon as:Group of answer choicesInsta GratificationSelfie-itisControl Alt DeleteSnapchat Dysmorphia

Identify the kind of learning algorithm for  “facial identities for facial expressions”.(1 Point)PredictionRecognition patternsRecognizing anomaliesGenerating patterns