في عالم الذكاء الاصطناعي (AI) وتطبيقاته، يتزايد أهمية تقييم الأعمار من الصور الوجهية (Facial Age Estimation). ومع ذلك، يطرح استخدام البيانات التي تشمل صور القاصرين تساؤلات عميقة حول الأخلاقيات، الخصوصية، والإجراءات القانونية. في دراسة جديدة، تم تسليط الضوء على مشكلة حيوية تتعلق بتقدير الأعمار، حيث قامت فرق البحث بتطوير معيار جديد يُعرف باسم "الاختبار العام غير المتدرب" (Generalized Zero-Shot Benchmark) والذي يستثني بيانات الأطفال تمامًا خلال عملية التدريب.

تقوم الطريقة الجديدة بتقييم أداء النماذج على الفئات العمرية المختلفة بينما تستبعد صور الأشخاص تحت سن الثامنة عشر بالكامل من مراحل التدريب. تم إعادة نظر ستة مجموعات بيانات شهيرة، حيث تم تحديد تقسيمات موحدة تحتوي على فصل صارم بين الفئات العمرية: عينات من 18 إلى 59 عامًا تستخدم للتدريب والتقييم، بينما يتم تخصيص العينات الأقل من 18 عامًا للاختبار غير المتدرب، والعينات الخاصة بالستين فما فوق لتكون مجموعة التحقق غير المرئية.

ومع تصنيف تسعة من أساليب تقدير الأعمار الحديثة تحت هذا البروتوكول، أظهرت النتائج أن جميع النماذج أخفقت في العموم في التعامل مع الفئات العمرية غير المرئية، حيث انخفض الأداء بشكل ملحوظ بنسبة متوسطة بلغت 46.4%، وصولاً إلى 52.8% بالمقارنة مع القاعدة الخاضعة للإشراف. عبر هذه النتائج، تم تحديد أن النماذج لا تتراجع ببساطة، وإنما تصفح بيانات الفئات العمرية غير المعروفة إلى الفئات المرئية القريبة، وهي ظاهرة تبرز تحيز الفئات المرئية المعروفة في التعلم غير المدرب.

تشكل هذه الدراسة خطوة هامة نحو تحسين ممارسات نمذجة الذكاء الاصطناعي وتقديم مبادئ واضحة لتقييم النماذج المستخدمة في ظروف البيانات المقيدة، مما يُشجع على تطوير أساليب تتناسب مع التغييرات الصحيحة ومنسجمة مع استخدام البيانات المسؤول.

ما رأيكم في هذا التطور؟ هل ترون أن هذه الخطوة كافية لحماية خصوصية الأطفال في هذا المجال؟ شاركونا آراءكم في التعليقات.