حجم تصاویر PNG و JPG خود را تا حد ممکن فشرده کنید

گاهی اوقات واقعا نیاز است تا برای به اشتراک گذاری تصاویر یا قرار دادن آن‌ها در وب‌سایت‌ها، حجم مناسب و البته کمی داشته باشند. راه حل انجام این کار استفاده از وب‌سایتی است که در ادامه با آن آشنا خواهید شد. با زومیت همراه باشید.

وب‌سایت TinyPNG از تکنیکی استفاده می‌کند که حجم تصاویر با فرمت PNG و JPG را تا حدود زیادی کاهش می‌دهد. در واقع این وب‌سایت به صورت انتخابی تعداد رنگ‌های تصاویر را کاهش می‌دهد تا بایت‌های کمتری برای ذخیره نیاز باشد. البته این تکنیک تقریبا هیچ تاثیری روی کیفیت تصویر نمی‌گذارد و تغییر ایجاد شده تقریبا غیر قابل مشاهده است اما حجم تصویر به شدت کاهش پیدا می‌کند.

برای فشرده سازی تصاویر نرم افزارهای گوناگونی تاکنون ارائه شده که هریک از یک یا چندین فرمت پشتیبانی می‌کنند. در نهایت بسته به میزان امکاناتی که دارند نیز حجمی قابل توجه خواهند داشت که قطعاً برای کاربرانی که در فضای ذخیره سازی محدودیت دارند، این موضوع اصلاً خوشایند نخواهد بود. به همین دلیل وجود سرویس‌های آنلاین که فقط از طریق اینترنت و آپلود تصاویر با کاربر رابطه برقرار می‌کنند بسیار احساس می‌شود.

روش‌های فشرده سازی بدون افت کیفیت همچنین ممکن است برای محتویات پر ارزش مثل عکس‌های پزشکی یا عکس‌های اسکن شده برای اهداف بایگانی نیز استفاده شوند. این روش مخصوصا برای عکس‌های طبیعی مناسب است بنابراین می‌تواند در عین نگه داشتن کیفیت خوب عکس، حجم آن را تا حدود زیادی کاهش دهد تا ذخیره‌سازی‌ آن‌ها بسیار راحت‌تر باشد.

تماشای بهترین آموزش های تخصصی آنلاین با Udemy

اینترنت منبع بسیار قوی برای یادگیری مهارت‌های جدید است. تنها کاری که باید انجام دهید، رفتن به سایت‌ آموزشی مناسب است. امروز یکی از بهترین وب‌سایت‌ها را برای آموزش مهارت‌های تخصصی به شما معرفی می‌کنیم. با زومیت همراه باشید.

در اینجا واحد‌های تحصیلی، بدون محدودیت زمانی و بر اساس کنفرانس‌های کوتاه، سمینارهای اینترنتی و اسلایدهای پرزانته عرضه می‌شوند. برخی واحدها آزاد هستند. اما برای واحدهای پیشرفته یا طولانی مدت، باید هزینه‌ پرداخت کنید. یکی از امتیازهای سایت udemy در این است که هزینه‌ها بر اساس واحدها حساب می‌شوند.

یودمی یکی از چندین نام مشهور در راستای افزایش آموخته‌های شما از طریق صدها دوره‌ آموزشی مصور است که مطالب آن توسط کارشناسان تدریس می‌شود. نزدیک به ۱۰٫۰۰۰ دوره آموزشی برای طیف وسیعی از گروه‌ها شامل تکنولوژی، عکاسی، یوگا و بسیاری موارد دیگر را پوشش می‌دهد. Udemy از زمان شروع به کارش به موفقیت‌های مهم و بزرگ تجاری دست یافته و در سال گذشته، اپلیکیشنی برای iOS و اندروید نیز ارائه داده که به شما اجازه آموزش در تبلت و پلتفرم‌های هوشمند دیگر را می‌دهد.

رابط کاربری اپلیکیشن Udemy بسیار شیک و زیبا است. شما می‌توانید با وصل شدن به ایمیل‌، فیس‌بوک یا گوگل‌پلاس خود، به انواع دوره‌های آموزشی صوتی و تصویری از کتابخانه بزرگ Udemy دسترسی داشته باشید. این دوره‌ها شامل کسب‌و‌کار، طراحی، علوم انسانی، فناوری و موارد دیگری می‌شود. همچنین یودمی آموزش‌هایی مانند HTML، فوتوشاپ یا نحوه عکس‌برداری با دوربین‌های DSLR را هم پوشش می‌دهد.

با ورود به وب‌سایت Udemy شاهد کارت‌های مربعی نشان‌دهنده دوره‌های مختلف می‌شوید که با انتخاب هر کدام می‌توانید به صورت رایگان یا پولی آموزش خود را شروع کنید. در ستون سمت چپ صفحه نیز دسته‌بندی‌هایی از انواع دوره‌های آموزشی را مشاهده خواهید کرد که وابسته به علاقه شما می‌توانند انتخاب شوند و مورد استفاده قرار گیرند.

حرکت بین قسمت‌های مختلف اپلیکیشن به لطف حرکت‌های سریع رابط کاربری آن، کاملا دلچسب است. با انتخاب یک دوره آموزشی، اپلیکیشن برای شما شرح کوتاه، سخنرانی‌های قابل دسترس و اطلاعات نویسنده را فراهم می‌کند. اگر دوست دارید تا آموزش‌های تخصصی و آنلاین جدیدی را شروع کنید، Udemy یکی از بهترین وب‌سایت‌ها در این زمینه به شمار می‌رود.

خرید ورودی گوگل یا Crowd Search

معرفی اختصار crowd search یا خرید بازدید گوگل

crowd search به این معنی است که برای نمونه شما یک سرویس – همانند بازدیدیار – برای تقلید از کاربران واقعی در موتور جستجو گوگل خریداری می‌کنید. این سرویس ها از پروکسی ها کاربرد می‌کنند تا این سیگنال را به گوگل بدهند که صدها یا هزاران نفر، از راه سرچ کردن کلمات کلیدی باره نظر شما در گوگل و کلیک روی لینک شما، وارد سایت‌تان می‌شوند و مدت زمان زیادی را در سایت شما سپری می‌کنند.

البته اختصارا اشاره کنم که من اصلا قصد شناسایی کردن بازدیدیار را ندارم و پیشنهاد هم نمی‌کنم که از این سرویس و یا سرویس های همانند آن بهره‌گیری کنید.

در راستی اینطور انتظار می‌روند که با بهره‌گیری کردن از این سرویس ها CTR شما افزایش خواهد یافت که به واسطه آن می‌بایست SERP شما هم رشد قابل توجهی کند.

آیا Crowd Searching باعث درمان سئو می‌شود؟

من به شخصه فکر می‌کنم که یک جنبه واقعی و عملی پشت این مسئله هستی دارد و مطابق همین فرضیه هم رند فیشکین (سبیل قشنگ) از MOZ نیز آزمایش‌هایی اتمام دیتا است الی جایی که ثابت کرد این روش شغل می‌کند.

rand fishkin

رند از فالورهای توییتر خویش اراده یک کلمه کلیدی ویژه را جستجو کنند و روی لینک باره عقیده او کلیک نمایند؛ بیش از ۲۰۰ تن از فالورهای او این کار را سپریدن دادند و ولی نتیجه این بود که تنها در پهنا چند ساعت، صفحه مورد عقیده او از رتبه ۷ به رتبه ۱ رسید.

چطور چنین چیزی شدنی است؟ آیا استفاده از چنین راهکاری برای دستکاری رتبه بندی گوگل حتی پس از بروزرسانی های پاندا و پنگوئن گوگل، راحت است؟

(پیشنهادی)  راهبرد فرآوری محتوای کلاستر برای سئو

خب کمی پس از اینکه آن شدامد مصنوعی به صفحه مورد نظر رند وارد شد و سایر خبری متعلق به حجم ترافیک ناگهانی نبود، صفحه باره نظر دوباره به رتبه ۷ام بازگشت. که این مسئله هم توسط کاربران باره نظر رند از طریق کامنت در همان صفحه تایید شد.

آزمایش رند چه چیزی را به ما نشان داد؟

این تست دو باره مهم را به ما پرتو عدل (با توجه به اعمال جریمه شدامد جعلی!!!)

رتبه بندی گوگل توسط افزایش ناگهانی ترافیک تغییر کرد.

گوگل به “آنچه کاربران در جستجو به دنبال آن هستند و می‌خواهند آن را بخوانند واکنش نشان می‌دهد” فلذا افزایش CTR به بهبود رتبه بندی کمک کرد.

دستکاری های این چنینی صرفا در افزایش بازدید وب سایت و رتبه گذرا شما تاثیرگذار است.

همچنین باید این مسئله را هم در نظر بگیریم که افرادی همانند رند غول های زمینه تکاپو خویش هستند. آن‌ها این توان را دارند که این نوع آزمایشات را سپریدن بدهند، چون تعداد زیادی فالور های واقعی، هدفمند و مشتاق دارند.

البته رند به چهره روشن در پست خویش این مسئله را مطرح می‌کند که صرفا شمار کلیک نمی‌تواند یک انگیزه قانع کننده برای گوگل در افزایش رتبه بندی صفحات باشد.

crowd search یا خرید ورودی گوگل

چرا این روش به چهره طولانی مدت کارآمد نیست؟

به محض اینکه ترافیک غیر ارگانیک شما متوقف شود، احتمالا صفحه شما به رتبه پیشین خودش تنزل خواهد کرد. حتی این مسئله هم که صفحه شما به صورت زودگذر رتبه بهتری بگیرید کمی شانسی است و به این مسئله ربط دارد که سایت های بالاتر از شما از نظر محتوا، ارزش، تعامل و… سطح زیر تری نسبت به شما داشته باشند. اگر اینطور باشد احتمالا سایت شما با افزایش رتبه به اتفاق خواهد بود.

این یعنی اگر شما بخواهید از چنین سرویس هایی کاربرد کنید باید استفاده شما به چهره مداوم (۲۴/۷) باشد تا موقعیت شما در رتبه ۱ مقاوم بماند. که البته این مسئله خیلی به رقبا شما وابستگی دارد و همینگونه چنین کاری هزینه های زیادی برای شما دربر خواهد داشت.

الگوریتم‌‌های پیش‌بین و کلان داده دموکراسی را تهدید می‌کنند

در سال‌های آینده هوش مصنوعی، الگوریتم‌های پیش‌بین و سنسورهای بیومتریک می‌توانند دسترسی به بهترین امکانات بهداشت و درمان را حتی برای فقیرترین افراد جامعه فراهم کنند، امکاناتی که امروزه افراد ثروتمند به آن دسترسی دارند و تقریبا تمام ابعاد جامعه از این انفجار فناوری سود خواهند برد. دولت‌های سراسر جهان از چنین پیشرفت‌هایی آگاه شده‌اند، این روند شباهت‌هایی با انقلاب صنعتی اواخر قرن هجدهم و اوایل قرن نوزدهم دارد. به عقیده‌ی کارشناسان، پیشتازان AI می‌توانند به کل دنیا مسلط شوند و حتی ممکن است اصول دموکراتیک و آزادی‌خواهانه را تهدید کنند.

با توجه به دیدگاه‌های متفاوت کمونیسم و لیبرالیسم، می‌توان نتیجه گرفت که تفاوت بین این دو دیدگاه تنها از اصول بنیادی آن‌ها سرچشمه نمی‌گیرد؛ بلکه تفاوت‌ها را می‌توان در نحوه‌ی پردازش داده‌ها و تصمیم‌گیری این دو سیستم سیاسی جست‌وجو کرد. سیستم لیبرال دموکراتیک اساسا یک سیستم توزیع شده است که برای تصمیم‌گیری بین افراد و سازمان‌ها به توزیع اطلاعات و قدرت می‌پردازد. از سوی دیگر کمونیسم و دیگر سیستم‌های دیکتاتوری قدرت و اطلاعات را در یک نقطه متمرکز می‌‌‌کنند، برای مثال قدرت اتحاد جماهیر شوروری سابق در مسکو یعنی مقر دولت، متمرکز بود.

نوع فناوری قرن بیستم (مانند ماشین‌های تایپ، زونکن‌ها، کاغذ و قلم و...) برای جوامع کمونیستی مناسب نبود؛ مثلا برای تصمیم‌گیری در مورد نکات ذیل هیچ‌کس نمی‌توانست به صورت سریع و جامع به اطلاعات دسترسی پیدا کند: چه کالایی تولید کند، چه مقدار کالا تولید کند، قیمت کالا باید چقدر باشد و ... . این نقص یکی از دلایل فروپاشی اتحاد جماهیر شوروری بود.

به‌بیان‌دیگر، شرایط فناوری قرن بیستم مانعی برای فرآیندهای تصمیم‌گیری یک ساختار دولتی متمرکز بود. در قرن بیستم، دموکراسی و سرمایه‌داری منجر به شکست فاشیسم و کمونیسم شد؛ زیرا سیستم دموکراتیک برای تصمیم‌گیری و دسترسی به فناوری در هر زمانی، عملکرد بهینه‌تری داشت؛ اما این روند همیشه ادامه پیدا نمی‌کند و سیستم‌ متمرکز همیشه شکست نمی‌خورد.

با ظهور هوش مصنوعی و یادگیری ماشین، پردازش حجم زیاد اطلاعات و داده به‌صورت بهینه و در یک محل وجود دارد؛ بنابراین پردازش داده‌ی متمرکز بهینه‌تر از پردازش داده‌ی توزیع شده خواهد بود. امروزه بزرگ‌ترین خطر تهدید‌کننده‌ی دموکراسی لیبرال این است که تحولات فناوری اطلاعات عملکرد بهینه‌تر حکومت‌های دیکتاتوری نسبت به دموکراسی را به دنبال خواه داشت و بزرگ‌ترین نقص رژیم‌های استبدادی در قرن بیستم (تلاش آن‌ها برای متمرکز کردن کل اطلاعات در یک مکان) امروزه به بزرگ‌ترین مزیت آن‌ها تبدیل شده است.

مقاله‌های مرتبط:

• استفاده از الگوریتم هوش مصنوعی برای پیش‌بینی احتمال خودکشی در افراد
• سیستم کامپیوتری مبتنی بر هوش مصنوعی، کارمند شرکتی را اخراج کرد

افزایش قابلیت‌ ماشین‌ها در پردازش داده‌های بیشتر تهدیدی برای دموکراسی لیبرال است. در قرن بیستم، کار مقامات دموکراسی لیبرال آسان بود؛ زیرا نیازی نبود بین اخلاق و بازدهی یکی از آن‌ها را انتخاب کنند: در آن زمان، اغلب اوقات اخلاقی‌ترین کار بهینه‌ترین کار بود. قدرت گرفتن مردم هم از نظر اقتصادی و هم از نظر اخلاقی مطلوب بود. اغلبدولت‌هایی که به لیبرال‌سازی جوامع خود پرداختند به این نتیجه رسیدند برای رسیدن به کیفیت مناسب زندگی کشورهای لیبرالی مثل ایالات‌متحده، فرانسه، آلمان و کشورها باید این کار را انجام دهند.

از دیدگاه اخلاقی، دولت‌های سراسر جهان می‌دانند که حفظ حقوق و حریم شهروندان کار صحیحی است؛ اما از دیدگاه بازدهی یا بهینگی، محافظت و دفاع از حقوق شهروندان و حریم شخصی آن‌ها امکان نظارت بهینه را از بین می‌برد. در مقابل به نظر می‌رسد ساخت پایگاه داده‌های بزرگ و متمرکز و الگوریتم‌های پیش‌بین برای تصمیم‌گیری از طرف انسان‌ها و نادیده گرفتن نگرانی‌های حریم شخصی آن‌ها بهینه‌ترین راه نظارت باشد.

الگوریتم‌ها می‌توانند فرآیندهای ثبت‌نام دانشگاه، فرآیندهای انتخاب شغل، محل دانشگاه، رشته‌ی دانشگاهی، بهترین شهر برای شروع شغل و تشکیل خانواده، انتخاب منطقه‌ی زندگی و حتی شخص موردنظر برای ازدواج را کنترل کنند.

یکی از خطرات دیگر فناوری که آینده‌ی دموکراسی را تهدید می‌کند، ادغام فناوری اطلاعات وبیوفناوری است، این ادغام منجر به توسعه‌ی اجتناب‌ناپذیر الگوریتم‌هایی می‌شود که مردم را حتی بهتر از خود آن‌ها می‌شناسند. با دسترسی سیستم شخص ثالث خارجی مثل دولت به چنین الگوریتم‌هایی، نه‌تنها می‌توان تصمیم‌ها و رفتارهای مردم را پیش‌بینی کرد؛ بلکه می‌توان احساسات و هیجانات آن‌ها را هم دست‌کاری کرد.

یک دیکتاتور ممکن است هرگز نتواند خدمات اولیه را برای مردم خود فراهم کند؛ اما می‌تواند آن‌ها را به‌گونه‌ای دست‌کاری کند که او را دوست داشته باشند و از مخالفت با او خودداری کنند. دشمنان دموکراسی لیبرال یک روش مؤثر برای پیشبرد کارهای خود دارد: آن‌ها احساساتی مثل تنفر، ترس، کینه، خودشیفتگی، میهن‌پرستی افراطی، ترور و پوچی را در مردم تقویت می‌کنند و از این احساسات برای قطبی‌سازی و نابود کردن دموکراسی از داخل استفاده می‌کنند.

حکومت‌های دیکتاتور می‌توانند از هوش مصنوعی برای کنترل احساسات افراد استفاده کنند

البته انسان‌ها ذاتا غیرمنطقی هستند، به همین دلیلدموکراسی و اصول بنیادی آن بر عقلانیت استوار نیستند؛ بلکه بیشتر بر احساسات انسانی استوارند. سؤال‌هایی که در طول انتخابات و رفراندوم‌ها در کاغذهای رأی از مردم پرسیده می‌شوند، در مورد تفکر آن‌ها نسبت به کاندیدها یا سیاست آن‌ها نیستند؛ بلکه بیشتر به احساسات مردم اشاره می‌کنند. اگر احساسات افراد دست‌کاری شود، دموکراسی به یک نمایش خیمه‌شب‌بازی تبدیل خواهد شد.

براساس پژوهش‌های علمی، احساسات انسان به قدرت اختیار او وابسته نیستند؛ بلکه در اثر فرآیندهای بیوشیمیایی در بدن به وجود می‌آیند و هورمون‌های مشخص میزان شادی یا غم را در وجود انسان تنظیم می‌کنند؛ بنابراین برای هک کردن احساسات، وجود دانش بیولوژیکی و توان کامپیوتری قابل‌توجه، ضروری است. تا قبل از قرن ۲۱ تصور می‌شد انسان‌ها قدرت اراده‌ی آزاد دارند و هیچ‌کس نمی‌تواند این اراده را تغییر دهد.

آمازون استفاده از هوش مصنوعی استخدام را به دلیل تبعیض جنسیتی کنار گذاشت

آمازون تصمیم گرفته بود برای رفع مشکلات مربوط به استخدام نیروی انسانی، از ابزار استخدام مبتنی بر هوش مصنوعی استفاده کند. ظاهرا الگوریتم مبتنی بر هوش مصنوعی آمازون برای استخدام که به‌صورت آزمایشی مورد استفاده قرار گرفته بود، رویکردی تبعیض‌آمیز در استخدام بانوان در پیش گرفته بود و به‌همین دلیل آمازون دیگر از این الگوریتم برای استخدام استفاده نمی‌کند.

قرار بود الگوریتم مبتنی بر هوش مصنوعی آمازون، وظیفه‌ی بررسی رزومه‌های استخدامی و امتیازدهی به آن‌ها از یک تا پنج ستاره را برعهده داشته باشد. اما جالب است بدانید که الگوریتم به‌صورت سیستماتیک به رزومه‌ی خانم‌ها برای مشاغل فنی از جمله برنامه‌نویسی امتیاز نمی‌داد. باوجودی که آمازون یکی از شرکت‌های پیشگام در زمینه‌ی فناوری‌های مبتنی بر هوش مصنوعی است؛ اما هنوز نتوانسته ابزار مبتنی بر هوش مصنوعی خود را به‌صورتی توسعه دهد که نسبت به جنسیت عملکردی خنثی داشته باشد. شکست آمازون در این حوزه به ما یادآوری می‌کند که ابزارهای مبتنی بر هوش مصنوعی می‌توانند از طریق برخی منابع مختلف تحت تاثیر قرار بگیرند و رویکرد سوگیرانه از خود نشان دهند.

مقاله‌های مرتبط:

• هوش مصنوعی و ربات‌ها علاوه‌بر حذف، شغل‌های زیادی را نیز ایجاد می‌کنند
• سیستم کامپیوتری مبتنی بر هوش مصنوعی، کارمند شرکتی را اخراج کرد

باور عمومی بر این عقیده استوار است که الگوریتم‌ها باید بتوانند فارغ از هرگونه تعصب یا جانبداری و بدون هیچ‌گونه پیش‌فرض خاصی، تصمیم‌گیری کنند. شاید در مورد تصمیم‌گیری توسط انسان چنین انتظاری را نمی‌توانیم داشته باشیم؛ ولی از الگوریتم‌ها چنین انتظاری می‌رود. اما نتایج نشان می‌دهد که الگوریتم‌ها نیز می‌توانند تحت تاثیر برخی داده‌های اطلاعاتی قرار گرفته و عملکردی سوگیرانه در تصمیم‌گیری‌های خود داشته باشند. همه‌چیز به داده‌های مورد استفاده برای آموزش الگوریتم و هم‌چنین به افرادی که از آن استفاده می‌کنند و حتی عوامل ظاهرا غیرمستقیم بستگی دارد که می‌تواند منجر به سوگیری الگوریتم مبتنی بر هوش مصنوعی شود. الگوریتم‌های AI به‌شکلی آموزش دیده‌اند که بتوانند الگوهایی را در مجموعه‌های داده‌های بزرگ مشاهده کنند و در پیش‌بینی نتایج کمک کنند. الگوریتم مبتنی بر هوش مصنوعی آمازون، وظیفه‌ی بررسی کلیه‌ی رزومه‌های ارائه‌‌شده به شرکت، از ۱۰ سال گذشته تاکنون را برعهده داشت تا بتواند بهترین گزینه‌ی استخدام را از بین متقاضیان مشخص کند.

با توجه به اینکه تعداد خانم‌ها در آمازون همچون سایر شرکت‌های فناوری کمتر از آقایان است؛ الگوریتم مبتنی بر هوش مصنوعی به‌سرعت متوجه این مساله شده و تصور کرده بود که جنسیت مرد به‌معنی اقتدار بیشتر و یکی از عوامل موفقیت در کار درنظر گرفته می‌شود. از آنجایی که الگوریتم از نتایج پیش‌بینی‌های خود برای توسعه‌ و ارتقاء دقت تصمیم‌گیری استفاده می‌کند؛ درنهایت به این نتیجه رسیده بود که جنسیت مونث در فرم‌های رزومه، از اقتدار کمتری در کار برخوردار است و رزومه‌های جنس مونث را به‌صورت سوگیرانه بررسی کرده بود. 

در سال‌های قبل، یکی از مشکلات استخدام آمازون توسط نیروی انسانی، رفتارهای نامناسبی همچون سوگیری و تبعیض در حین استخدام بوده است. با توجه به عملکرد الگوریتم مبتنی بر هوش مصنوعی، ظاهرا به‌نظر می‌رسد که الگوریتم نیز رفتارهای مشابهی با نیروی متخصص انسانی در استخدام دارد و به‌شکل دیگری همان سوگیری و رفتارهای تبعیض‌آمیز را از خود نشان می‌دهد.

برخی از الگوریتم‌ها برای پیش‌بینی و ارائه‌ی آنچه کاربران می‌خواهند مشاهده کنند، طراحی می‌شوند. چنین کارکردهایی معمولا در رسانه‌های اجتماعی یا تبلیغات آنلاین دیده می‌شود. وقتی کاربران محتوا یا آگهی‌ها را نشان می‌دهند؛ الگوریتم متقاعد می‌شود که در حال برقراری ارتباط با آن‌ها است. چنین حالت‌های مشابهی در حوزه‌ی استخدام نیروی انسانی نیز گزارش شده است.

یکی از افرادی که قصد استخدام نیروی انسانی داشت اعلام کرد که با استفاده از شبکه‌ی اجتماعی حرفه‌ای، قصد استخدام و یافتن بهترین نیروی انسانی را داشته و جالب است بدانید که پیشنهادهای هوش مصنوعی مشابه همان پیشنهادهایی بود که وی بیشتر در پروفایل‌ آن افراد درگیر شده بود.

در نتیجه، کل گروه‌هایی که به‌صورت بالقوه امکان انتخاب‌شدن را داشتند، به‌صورت سیستماتیک از روند استخدام کاملا حذف شدند. با این وجود، سوگیری تعصب‌آمیز، به دلایل غیرمرتبط دیگری باز هم مشاهده شد. مطالعه‌ی اخیر در مورد چگونگی توسعه‌ی الگوریتم‌های تبلیغاتی برای مشاغل STEM نشان می‌دهد که احتمال نشان دادن تبلیغ آگهی برای مردان بیشتر از زنان است. به‌ دلیل اینکه احتمال بیشتری وجود دارد که مردان روی تبلیغ کلیک کنند، در حالی که هزینه‌ی تبلیغات برای زنان بیشتر خواهد شد.

از آنجایی که قیمت تبلیغات هدفمند برای زنان بیشتر است و زنان ۷۰ تا ۸۰ درصد کلیه‌ی خریدها را به خودشان اختصاص می‌دهند؛ الگوریتم‌های مبتنی بر هوش مصنوعی ظاهرا تصمیم گرفته است تبلیغات بیشتری را برای مردان نسبت به زنان بفرستد تا هزینه‌های کمتری را متحمل شده و ارسال آگهی بیشتری را تجربه کند.

اما اگر الگوریتم‌های مبتنی بر هوش مصنوعی انعکاسی از الگوهای موجود در داده‌هایی که به آن داده می‌شود را به‌نمایش بگذارد یا آنچه که کاربران دوست دارند را نشان بدهد و براساس رفتارهای اقتصادی که در بازار رخ می‌دهد، تصمیم‌گیری کند؛ آیا منصفانه است که انسان‌ها خودشان را برای گرایش‌های نادرست و سوگیرانه سرزنش کنند؟ 

انتظار می‌رود که الگوریتم‌های تصمیم‌گیری، با روش‌های غیر تبعیض‌آمیز و سوگیرانه عمل کنند. در حالی که چنین روش‌های غیرتبعیض‌آمیزی کمتر در بین انسان‌ها در حین تصمیم‌گیری دیده می‌شود. حتی اگر الگوریتمی رویکردی متعصبانه داشته باشد، ممکن است با توجه به شرایط فعلی وضعیتش بهبود پیدا کند. برای اینکه بتوانیم به‌صورت کامل از فناوری‌های مرتبط با هوش مصنوعی بهره‌مند شویم، باید ببینیم که چه عواملی باعث بروز چنین اتفاقاتی می‌افتد و اجازه بدهیم که ابزارهای مبتنی بر هوش مصنوعی بتوانند بدون دخالت انسان، تصمیم‌گیری کنند.