О каталоге фенотипов

Структурированный этнографический и фенотипический справочник. Охват: более 4 000 этнических групп, анатомические категории (22), измерения (195), словарные группы с указанием источников (848) и источники (113).

Что это такое

Каталог фенотипов представляет собой открытый справочник с опорой на источники, который сочетает структурированные этнографические метаданные (историческая родина, языковая семья, коды ISO, религия) для более чем 4 000 этнических групп с подробным медицинским и антропологическим словарём, охватывающим 22 анатомические категории. В каждой категории от 4 до 16 измерений вариативности, взятых из рецензируемых шкал: Fitzpatrick от I до VI для кожи, Halls для формы груди, Regnault для птоза, Heath-Carter для соматотипа, Andre Walker от 1A до 4C для текстуры волос, Hamilton-Norwood и Ludwig для выпадения волос, 2D:4D по Manning для соотношения длины пальцев, Cavanagh-Rodgers для индекса свода стопы, Mendieta для формы ягодиц и другие.

Каждую строку структурированных данных наблюдений по отдельным изображениям на сайте можно проследить до фотографии из Wikipedia, находящейся в общественном достоянии, на которой изображён известный человек из соответствующей группы; фотография проанализирована визуально-языковой моделью (Anthropic Claude Sonnet 4.6 через AWS Bedrock) с заполнением структурированных полей. Агрегированные распределения по группам выводятся на каждой странице /ethnic/[slug] с явными оговорками о смещении источников и размере выборки.

Зачем он нужен

Существующие бенчмарки справедливости, такие как FairFace и BUPT-Balancedface, сводят этничность к четырём-семи расовым категориям, что слишком грубо для детального аудита предвзятости систем компьютерного зрения и инструментов генерации на основе ИИ. Создать более детальный набор данных напрямую дорого: краудсорсинговая разметка имеет собственные искажения, у большинства возможных источников изображений нет ясности с лицензией на каждое изображение, а научная литература об этнических различиях фенотипа разбросана по журналам дерматологии, пластической хирургии, урологии, антропологии и трихологии.

Этот каталог решает проблему лицензирования, используя исключительно фотографии из Wikipedia в общественном достоянии, решает проблему стоимости разметки с помощью аннотирования визуальной LLM по фиксированным структурированным промптам и решает проблему разрозненности литературы, сводя соответствующие рецензируемые шкалы в единый открытый словарь, опубликованный на GitHub и HuggingFace. Результат: набор структурированных фенотипических данных по отдельным изображениям с необычно высокой этнографической детализацией (в среднем ~24 изображения на представленную группу), основанный на более чем 113 рецензируемых источниках.

Что с ним можно делать

  • Генерация изображений с помощью ИИ на основе реальных распределений. Сайт использует эти распределения фенотипов по группам, чтобы опирать на них промпты для генераторов изображений, получая разнообразие внутри группы вместо стереотипов, сведённых к моде распределения. Пользователь выбирает группу, система делает выборку из реально наблюдаемого распределения, и генерация отражает реальную вариативность.
  • Аудит предвзятости систем компьютерного зрения. Эталонные фенотипические метки по группам позволяют измерить точность по группам для любой системы компьютерного зрения, которую вы хотите проверить.
  • Антропологический справочник. Каталог из более чем 4 000 групп с нормализованными полями исторической родины, языка, кодов ISO и религии поддерживает межгрупповые запросы и образовательное использование.
  • Дообучение моделей ИИ. Обучающие подвыборки, сбалансированные по Fitzpatrick, многоэтническая привязка промптов, демографические эмбеддинги.

Открытые материалы

Оговорки

Главное ограничение набора данных: рамка выборки, заданная Wikipedia, то есть «известные люди, для которых в Wikipedia есть статья-список вида „Список людей X“, с фотографией в их отдельной статье». Эта выборка смещена в сторону мужчин, публичной жизни, охвата англоязычных источников и эпохи фотографии. Агрегатор текстом выводит эту оговорку в каждой сводке по группе.

Кроме того, набор данных предназначен только для агрегированных исследований; строки по отдельным изображениям не подходят для индивидуальной классификации, идентификации или слежки. Вариативность фенотипа внутри этнических групп в значительной мере перекрывается с вариативностью между группами; средние значения по группам не следует понимать как предсказания для отдельных людей. Явное определение границ применения см. на странице об этике.

Подробнее

  • Методология: как создавался каталог
  • Этика: предполагаемые способы использования и явно исключённые
  • Вопросы и ответы: ожидаемые вопросы, содержательные ответы
  • Глоссарий: термины с определениями во всех 22 категориях (848)
  • Атлас: обзор по анатомическим категориям
  • Мир: обзор по регионам и этническим группам