Cod. Progetto: 2022EXF3HX – CUP E53D23008030006 – UPB 61723102021

Resp. Scientifico: Prof. Concetto Spampinato

Ente Finanziatore:  Mur

Bando:  Decreto di Finanziamento PRIN 2022 MUR 0000959 del 30/06/2023

Breve Descrizione: B-FAIR si propone di sviluppare e testare un framework innovativo per analizzare e mitigare i pregiudizi impliciti umani nelle annotazioni visive, con l’obiettivo di migliorare l’equità e l’affidabilità dei modelli di intelligenza artificiale. Il progetto prevede lo sviluppo di una metodologia basata su studi psicologici per valutare quantitativamente l’influenza del pregiudizio implicito sulla percezione delle scene visive da parte degli annotatori. Questo include sia la progettazione di procedure di raccolta dati e test psicologici, sia la generazione automatica di stimoli visivi che rappresentano stereotipi su minoranze per analizzare le reazioni degli annotatori. Inoltre, B-FAIR mira a identificare i bias indotti dal pregiudizio umano nelle annotazioni visive e a comprenderne l’impatto sulle rappresentazioni apprese dalle reti neurali. L’obiettivo finale è sviluppare nuovi approcci di deep learning in grado di individuare e neutralizzare automaticamente tali distorsioni, migliorando così l’accuratezza dei modelli di riconoscimento visivo.