Yapay zekâ eğitildiği verinin dünyasını yeniden üretir: kimin yüzünü çizdiği, hangi ten tonunu doğru gösterdiği, hangi aileyi «normal» saydığı. Ve ajanslar zamana göre ücret alırken üretim dakikalara iniyor. Bu modül görüntü ve dil modellerinde yanlılığı, ten tonu ve temsil denetimini, yanlılığa karşı iş akışını, ajansın satacağı şeyin değişmesini ve yeni rolleri anlatır.
Bu modülün sonunda
- Yapay zekâ çıktısında yanlılık ve temsil sorununu tanır.
- Bir yapay zekâ iş akışına temsil denetimi ekler.
- Yapay zekânın ajans iş modeline etkisini tartışır.
Dersler
- M07-D01Modelin yanlılığıProgramda
Yüz tanıma ve görüntü sistemlerinin farklı ten tonları ve cinsiyetlerde farklı başarı gösterdiğine dair çalışmayı açıklar.
Dayanak: Araştırma bulgusu: ticari cinsiyet sınıflandırma sistemlerinde kesişen doğruluk farkları (Buolamwini ve Gebru 2018)
- M07-D02Ten tonu ve temsilProgramda
Yapay zekâ ile üretilen görsellerde ten tonunun, yaşın, bedenin ve ailenin temsilini denetler.
Dayanak: Araştırma bulgusu: Buolamwini ve Gebru (2018); renk dengesi ve ten tonu (Roth 2009)
- M07-D03Kalıp yargının yeniden üretimiProgramda
Bir modelin «hemşire», «yönetici», «aile» gibi istemlere kalıp yargılı cevap verme eğilimini ve düzeltme yolunu açıklar.
Dayanak: Araştırma bulgusu: reklamda cinsiyet rolleri meta-analizi (Eisend 2010)
- M07-D04Yanlılığa karşı iş akışıProgramda
Bir yapay zekâ üretim akışına temsil kontrol listesi ve çeşitli değerlendirici ekleyen bir düzen kurar.
Dayanak: Meslek kaynağı: yapay zekâ kalite güvencesi
- M07-D05Ajans ne satıyorProgramda
Üretimin hızlanmasının zamana dayalı ücret modelini nasıl zorladığını ve ajansın fikir, yargı ve sorumluluk satmaya dönüşmesini tartışır.
Dayanak: Araştırma bulgusu: Noy ve Zhang (2023); meslek kaynağı: ajans iş modeli tartışması (kaynak yazımda seçilir)
- M07-D06Yeni rollerProgramda
Yapay zekâ ile birlikte ajansta ortaya çıkan yeni rolleri ve korunması gereken becerileri açıklar.
Dayanak: Araştırma bulgusu: Doshi ve Hauser (2024)