Clasificacion de sexo
Gramática de clasificación de género
Estudios recientes demuestran que los algoritmos de aprendizaje automático pueden discriminar en función de clases como la raza y el género. En este trabajo, presentamos un enfoque para evaluar el sesgo presente en los algoritmos de análisis facial automatizado y en los conjuntos de datos con respecto a los subgrupos fenotípicos. Utilizando el sistema de clasificación del tipo de piel de Fitzpatrick, aprobado por los dermatólogos, caracterizamos la distribución del género y del tipo de piel de dos referencias de análisis facial, IJB-A y Adience. Descubrimos que estos conjuntos de datos están compuestos mayoritariamente por sujetos de piel clara (79,6% para IJB-A y 86,2% para Adience) e introducimos un nuevo conjunto de datos de análisis facial que está equilibrado por género y tipo de piel. Evaluamos 3 sistemas comerciales de clasificación por género utilizando nuestro conjunto de datos y mostramos que las mujeres de piel más oscura son el grupo más mal clasificado (con tasas de error de hasta el 34,7%). La tasa de error máxima para los hombres de piel clara es del 0,8%. Las disparidades sustanciales en la precisión de la clasificación de las mujeres más oscuras, las mujeres más claras, los hombres más oscuros y los hombres más claros en los sistemas de clasificación de género requieren una atención urgente si las empresas comerciales quieren construir algoritmos de análisis facial realmente justos, transparentes y responsables.
Clasificación por sexos en la investigación
Este artículo necesita citas adicionales para su verificación. Por favor, ayude a mejorar este artículo añadiendo citas de fuentes fiables. El material sin fuente puede ser cuestionado y eliminado.Buscar fuentes: «Gender taxonomy» – news – newspapers – books – scholar – JSTOR (November 2009) (Learn how and when to remove this template message)
La taxonomía de género es una clasificación de los diferentes niveles en los que los seres humanos varían sus características sexuales. Es utilizada principalmente por especialistas médicos que trabajan en el área de la investigación del sexo[1].
John Money y Milton Diamond son probablemente los investigadores más conocidos en este campo. Money se doctoró por sus investigaciones sobre el hermafroditismo y el pseudohermafroditismo humanos, ahora conocidos como condiciones intersexuales. La taxonomía comienza en el nivel más simple, el biológico, y rastrea las diferenciaciones expresadas en los niveles cada vez más complicados que se producen a lo largo del ciclo vital humano.
Una taxonomía de la sexualidad de género, que se presenta a continuación, puede definir mejor los términos relevantes para la sexualidad humana y tiene en cuenta la interacción a lo largo del tiempo entre el sexo, el género y las fantasías sexuales, los deseos y las prácticas de las personas en las relaciones íntimas, tanto a nivel de la autoidentidad como de la atribución por parte de los demás; sin embargo, las diferencias biológicas de género siguen siendo inequívocamente binarias.
Clasificación del género humano
En los últimos años se han generalizado los sistemas de reconocimiento de imágenes por ordenador que reconocen y clasifican automáticamente a los sujetos humanos. Estos sistemas algorítmicos se aplican en muchos ámbitos, desde ayudar a los sitios de redes sociales a decir si un usuario es dueño de un gato o de un perro hasta identificar a personas individuales en espacios públicos abarrotados. Una forma de inteligencia artificial llamada aprendizaje profundo es la base de estos sistemas de reconocimiento de imágenes, así como de muchos otros esfuerzos de inteligencia artificial.
Interactivo: ¿Cómo «ve» un ordenador el género? Al cubrir u «ocluir» sistemáticamente partes de fotos de rostros de personas individuales y luego alimentar esas imágenes en un modelo informático que creamos, pudimos ver qué elementos de un rostro son más importantes para ayudar al modelo a clasificar hombres y mujeres. Creamos una función interactiva en la que se puede recrear ese análisis y ver qué cambios hacen que nuestro algoritmo de aprendizaje profundo cambie su conjetura sobre el género de la persona en la imagen.
Encuesta de opinión pública sobre el reconocimiento facial. Los sistemas de reconocimiento facial que pueden determinar la identidad de las personas basándose en una foto o un vídeo son una de las aplicaciones más controvertidas de la visión artificial (los modelos que utilizamos para este proyecto pueden clasificar el género, pero no son capaces de identificar a personas individuales). El Centro ha realizado recientemente una encuesta entre los adultos de Estados Unidos en la que se examina la opinión pública sobre la tecnología de reconocimiento facial y su uso por parte de los anunciantes, las fuerzas del orden y otros. Consulte nuestro informe sobre esta encuesta aquí.
Aprendizaje automático de la clasificación de género
A lo largo de la historia de la psicopatología (y de sus principales sistemas de clasificación) se han producido numerosas controversias y debates en relación con la orientación sexual y la identidad de género. Éstos aún se reflejan en las actuales reformulaciones de la disforia de género tanto en el Manual de Diagnóstico y Estadística como en la Clasificación Internacional de Enfermedades, y en las microagresiones más o menos sutiles que experimentan los pacientes lesbianas, gays, bisexuales y trans en la atención a la salud mental. El presente artículo revisa críticamente esta historia y las controversias actuales. Revela que este campo profundamente complejo contribuye (i) a la reflexión sobre el propio concepto de enfermedad mental; (ii) a la focalización en el malestar subjetivo y la experiencia centrada en la persona de la psicopatología; y (iii) al reconocimiento del estigma y la discriminación como variables intervinientes significativas. Por último, sostiene que la orientación sexual y la identidad de género se han considerado, en la historia del campo de la psicopatología, entre dos polos: la transgresión de género y la varianza/fluidez de género.
