Предложение которое стирает вещи

Вы до сих пор так стираете? Не делайте этого больше. Вещи могут выглядеть как новые не только в первые месяцы

Забудьте о «советских» тонкостях стирки. Они часто портят вещи. Несколько десятилетий назад, когда мы не подозревали о существовании ополаскивателя и всевозможных волшебных тюбиков для вывода пятен, в ходу были домашние хитрости.

Например, вот такой: фломастерное пятно с белой школьной рубашки можно удалить лаком для волос.

В теории да, в лаке есть спирт, а он растворяет красители. Но не всегда теперь в хорошем лаке содержится вредный для волос спирт, зато других веществ может быть сколько угодно, и они оставят на ткани собственные пятна.

Или — черный кофе возвращает визуальную остроту черному цвету ткани.

Скажем кратко: чтобы действительно «подчернить» вещь, переставшую быть пронзительно черной, ее нужно постирать в полном барабане негустого кофе, одна чашка не поможет. Вы готовы жертвовать машиной?

Есть ли хорошие «бабушкины советы»? Есть. Яркость цветным вещам возвращает добавленная в барабан щепотка поваренной соли, а жирные пятна поможет убрать кусочек мела.

А теперь почитайте, как нужно стирать вещи в 21-м веке.

Не пренебрегайте сортировкой вещей!

Практика свидетельствует — многие женщины, особенно вечно спешащие горожанки, к тому же стирающие только для себя, сгружают в барабан сразу все. Ведь вещей немного, а постирать хочется побыстрее.

Нет! Не делайте так. Пострадают и цвет, и структура волокон, и функциональность, если речь идет, к примеру, о полотенцах.

Разберите вещи. Сделайте это. И тогда по окончании стирки у вас не будет досадного «разматывания» лифчиков, намертво обвивших свитера, а носки не превратятся в твердые комочки, забившиеся внутрь рукавов.

Вы знали, что вещи нужно выворачивать наизнанку?

Некоторые женщины, предварительно застирывая пятна, убеждены, что их нужно хорошо потереть с внешней стороны.

Вовсе нет! Суть стирки в машинке — в выталкивании загрязнений из текстильных волокон наружу, а не во втирании поглубже. Следовательно, не нужно ничего тереть снаружи. Просто выверните все вещи наизнанку прежде чем погрузить их в барабан.

Не сыпьте много порошка! Пышная пена и переизбыток моющего средства сводит стирку на нет

Стиральная машина — не ванна. Здесь волны искрящейся пены только во вред. Природа пены такова, что она снижает трение между текстильными поверхностями, а без них нет и качества стирки. Кроме того, обильные пузырьки не удалятся финишным полосканием, —– значит, и посторонние грязные частицы останутся.

Одно дело, если вы пользуетесь капсулой. Но если сыпучим порошком или гелем — используйте в следующий раз половину привычной дозы и оцените результат. Наверное, вы скажете нам «спасибо».

Только не все сразу!

Нельзя забивать барабан «под завязку»! Это главная причина и того, что вещи выглядят «пожеванными», и прелого несвежего запаха, и поломок самой машины.

Некоторые женщины стремятся постирать в один заход, чтобы сэкономить электроэнергию. Нет, экономить ее нужно по-другому: стирая партию одежды за партией, без «отдыха» машины (совершенно ей не нужного).

Умная стиральная машина перераспределяет тепло, оставшееся от предыдущего цикла, и сама сокращает потребление электроэнергии.

Осторожнее с предварительным застирыванием

В современных машинах есть позиция предварительного застирывания или быстрой стирки. Но она не для того, чтобы вы насыпали агрессивный порошок на хлорке и прокрутили вещи с пятнами, а уже потом стирали их в деликатном режиме.

Вы удивитесь, но красивые футболки и топики, на которых, ввиду популярности спортивного стиля, чаще всего остаются пятна от сока и фаст-фуда, относятся к деликатным вещам. Застирайте пятно руками, но без прикладывания физических усилий, иначе сломаете волокна. И уже тогда кладите в барабан.

Читайте этикетки!

Удивительно, но абсолютное доверие к передовым технологиям и бытовой технике соседствует у многих женщин с полным игнором инструкций, прилагающихся к одежде. Внимательно посмотрите на этикетку. Там содержится вся информация по уходу, которая поможет вам и спустя год радоваться блузке так же, как в день покупки.

Следуйте этикетке, и тогда у вас не будет причины уже через пару месяцев отправить вещь к «изрядно поношенным».

То же относится и к чтению интерфейса самой стиральной машины? Как думаете, разработчики расписали на панели все эти режимы для того, чтобы показать, какие они крутые? Нет, для того, чтобы стирка была по правилам, а результат вас радовал.

Не «варите» вещи. Горячая вода убивает микробы на теле, но не на ткани

Иногда вещи хочется особенно тщательно выстирать и даже продезинфицировать. Например, после болезни, стрессовой ситуации или купленные в магазинах sekond hand.

Лучше купите на такие случаи специальные дезинфекторы для стирки на основе фенола. Такое средство добавляют в барабан вместе с мягким эфирным маслом, лучше — хвойным. А вот повышение температуры воды одежде не на пользу.

Чтобы вещи не «садились»

Если вы опасаетесь, что вещь «сядет», не надейтесь на прохладную воду. Деликатные ткани могут потерять объем уже при температуре 30 °C. У разных волокон разные особенности реагирования на влагу и на трение. Лучше всего — внимательно прочитайте этикетку. Возможно, обратившись к ней, вы узнаете, что ваше вязаное платье вообще нельзя стирать в машинке!

Отбеливатель нельзя лить сразу. А иногда лучше вообще не использовать

Отбеливатели, которые мы используем в процессе стирки белого белья и белой одежды, не всегда во благо.

Если вы пользуетесь ими, делайте это так:

• всыпьте порошок,
• запустите машину,
• и только через 5 минут после начала цикла добавляйте отбеливающее средство.

Причина — между разной «химией» происходят свои реакции, в результате которых отстирывающие качества снижаются. И даже могут появится дополнительные мутные разводы.

Кстати, здесь можно воспользоваться «рецептом от бабушки» и заменить отбеливатель лимонным соком.

Для подушек и одеял нужно несколько циклов. А для пуховика — теннисные мячики

Подушкам и одеялам одного цикла мало: пена задержится внутри и в один цикл изделия не покинет. А к пуховику и куртке добавьте три теннисных мячика? они не позволят пуху скататься и «выбьют» пену.

И еще. Уход!

Вы помните, что за стиральной машиной нужно ухаживать? Нет, речь идет не о ремонте, а об уходе. Он сводится не только к тому, чтобы, закончив стирать, не закрывать барабан, а дать машине подышать. Этого мало.

Во-первых, раз в месяц промывайте слив, сток и отсеки для порошка. Это съемные части, их нужно промывать и просушивать. А еще пару раз в год «стирайте» пустой барабан, добавив в него столовую ложку простейшего уксуса.

Источник

Жизнь«Он инвестирует. Она стирает вещи»: Как искусственный интеллект поддерживает стереотипы

И какие последствия у предвзятости алгоритмов

Недавно в соцсетях большой резонанс вызвали посты о гендерных стереотипах в переводах Google Translate. Пользователи делились результатами перевода с гендерно-нейтральных языков на те, где есть женские и мужские местоимения. В итоге изначально нейтральные сочетания превратились в поддерживающие стереотипы «Он инвестирует. Она стирает вещи». Это не единственный пример предвзятости в работе алгоритмов и искусственного интеллекта — проблемы возникают при распознавании лиц людей, в здравоохранении и многих других сферах. Мы решили посмотреть, как у ИИ появляются предубеждения, чем это грозит и как это уже повлияло на наше общество.

текст: Анна Третьякова

Входные данные предопределяют нашу участь

В конце марта по соцсетям разлетелись посты с примерами сексистского перевода Google Translate: преподавательница Университета Эксетера Дора Варга поделилась результатами перевода с венгерского, в котором только одно местоимение третьего лица единственного числа, на английский. Нейтральные предложения превратились в стереотипные: готовить, стирать и растить ребёнка стала «она», а исследовать, заниматься политикой и зарабатывать — «он». Один из подписчиков попробовал перевести фразу «Она — инженер, он — красивый» с английского на венгерский и обратно — Google вернул ему противоположный изначальному вариант. Эксперимент повторили в издании «Утопия», сделав перевод с венгерского на русский, и тоже получили результаты, подкрепляющие стереотипы, причём как от Google Translate, так и от «Яндекс.Переводчика».

«Вот как повседневный сексизм стабильно кодируется в 2021 году», — заключила Варга. При этом в Google знают о проблеме машинного перевода, в начале 2020 года компания («опять», как заметили в издании Slator) «чинила» свой сервис, однако, очевидно, новые алгоритмы распространяются пока не на все языки. Кстати, при переводе на русский существуют и другие проблемы: в начале апреля активисты подписали открытое письмо к Google с требованием исправить перевод слов «homosexual» и «homosexuality», на которые сервис выдавал патологизирующие термины с суффиксами «-ист» и «-изм». На днях Google Translate исправил основной перевод (хотя устаревший термин всё же появляется как один из вариантов). В «Яндекс.Переводчике» тем временем «голубой» до сих пор существует как один из вариантов перевода слова «gay»: раздел предлагает примеры с фразами из старых телешоу.

В начале апреля активисты подписали открытое письмо к Google с требованием исправить перевод слов «homosexual» и «homosexuality», на которые сервис выдавал патологизирующие термины с суффиксами «-ист» и «-изм»

Предрассудки находят и у сервисов распознавания лиц. Так, опубликованное в прошлом году исследование показало, что на фотографиях мужчин ИИ Google, Amazon и Microsoft чаще отмечали профессионализм, а женщин — внешность. Исследовательница и активистка Джой Буоламвини тоже выявила необъективность алгоритмов, работая над проектом зеркала с дополненной реальностью: она заметила, что технология распознавания лиц плохо срабатывала на её чертах, однако всё работало исправно, стоило ей надеть белую маску. Буоламвини выяснила — о её исследованиях рассказывает документальный фильм 2020 года «Coded Bias», — что проблема заключалась в том, что алгоритм распознавания лиц обучался на ограниченной выборке изображений. Во входных данных для машинного обучения было подавляющее большинство фотографий людей со светлым тоном кожи (более 80 %) и мужчин (более 75 %). Поэтому технология ожидаемо с большей точностью распознавала лица белых мужчин. Стоит отметить, что после её исследований компании дополнили данные и результаты распознавания лиц женщин и небелых людей улучшились (компании также перестали предоставлять предвзятую технологию распознавания лиц правоохранительным органам).

Дискриминация проявляется и во многих других сферах. В прошлом году в Великобритании случился скандал из-за того, что алгоритм, анализировавший оценки учащихся для поступления в университеты (экзамены были отменены из-за пандемии COVID-19), выдал предвзятые в пользу более обеспеченных учащихся результаты. В 2019 году сооснователь Apple Стив Возняк заявил о дискриминации: его жене Дженет Хилл одобрили кредитный лимит по Apple Card (над ней работал банк Goldman Sachs) в десять раз меньше, чем ему, несмотря на то, что все счета у пары общие. Программист Дэвид Хейнемейер Ханссон, рассказавший о такой же проблеме, отметил, что делегирование решений «чёрной коробке» алгоритма, может, и не является намерением дискриминировать, но результат говорит сам за себя. А Кармен Нитхаммер, которая консультирует компании по вопросам инклюзии и разнообразия, в своей колонке для Forbes перечислила риски, которые предвзятости алгоритмов несут для женщин в сфере здравоохранения. Так, из-за нехватки данных о здоровье и организмах женщин приложения могут советовать им не торопиться к врачу, в то время как мужчин с такими же симптомами призовут немедленно обратиться за помощью.

Итак, на модели машинного обучения влияют массивы данных, которые те изучают. А эти данные, в свою очередь, отражают существующие в обществе предубеждения и стереотипы. Казалось бы, сам термин «искусственный интеллект» вызывает ассоциацию непредвзятости и объективности. Однако на деле он повторяет предрассудки, хоть порой и неосознанные, людей, которые над ним работают.

Coded gaze

«Наши идеи о технологиях и обществе, которые мы считаем „нормальными“, на самом деле являются идеями, которые идут от очень небольшой и гомогенной группы людей», — говорит в фильме «Coded Bias» Мередит Бруссар, написавшая книгу «Artificial Unintelligence». Она имеет в виду учёных, которые начали первые исследования в области искусственного интеллекта в 1956 году, — математиков Дартмутского университета. Однако фильм сопровождает её слова кадрами руководителей главных технологических компаний, от Марка Цукерберга до Билла Гейтса и Джеффа Безоса, визуально намекая, что ситуация мало изменилась. Футуролог Эми Уэбб добавляет, что больше всего на развитие ИИ влияют всего девять компаний, шесть из которых находятся в США, а три — в Китае. Доля женщин, работающих над искусственным интеллектом, составляет меньше 25 %, по данным Всемирного экономического форума. Доля людей разного этнического происхождения в технологических компаниях составляет считаные проценты. Учитывая эту статистику, неудивительно, что ИИ показывает искажённую картину мира. Исследовательская компания Gartner в 2018 году прогнозировала, что «к 2022 году 85 % проектов ИИ будут давать ошибочные результаты из-за предвзятости данных, алгоритмов или команд, работающих над ними».

Джой Буоламвини использует ёмкий термин для предубеждений в алгоритмах, которые закрепляют неравенство, — «coded gaze» по аналогии с «male gaze» Лоры Малви. «Прошлое живёт в наших алгоритмах. Оно показывает нам неравенство, которое существовало всегда», — говорит исследовательница и основательница «Лиги алгоритмической справедливости» (Algorithmic Justice League). В ООН также замечают, что над ИИ чаще работают западные специалисты, а исследователи изучают проблему «цифрового ориентализма».

Поскольку проблема кроется в данных для машинного обучения, важно эти данные курировать и следить за возможными проявлениями предвзятости, считают учёные. На портале Open Global Rights подчёркивают, что стандарты, связанные с ИИ и автоматизацией, должны включать гендерную перспективу комплексно, а не рассматривать её просто как проблему предвзятости — включать в себя интерсекциональный подход к вопросу. Более того, ИИ, по мнению экспертов, обязан бороться с дискриминацией и патриархальными социальными установками и не транслировать колониальный взгляд на мир.

Тем временем в Кремниевой долине

Казалось бы, очевидным первым шагом к исправлению ситуации было бы привлечение большего количества женщин и людей разного этнического происхождения к работе над искусственным интеллектом. Как отмечает Кармен Нитхаммер, технологические компании чаще «теряют» своих работниц, женщины реже вырастают до руководящих позиций. Это подтверждает общая статистика в сфере STEM (наука, технологии, инженерия и математика): в ней работают примерно 25 % женщин, но только 9 % занимают лидерские позиции, по данным Boston Consulting Group. Громкие новости из Кремниевой долины показывают, что компаниям есть над чем работать, чтобы быть более привлекательными для женщин.

В прошлом году Pinterest выплатил самую большую в истории США компенсацию за гендерную дискриминацию из-за увольнения бывшего исполнительного директора компании Франсуазы Бруер. В то же самое время сотрудницы компании Ифеома Озома (благодаря ей сервис начал блокировать посты о вреде вакцинации и прекратил продвижение свадеб на плантациях) и Аэрика Шимизу Бэнкс заявили о расовой дискриминации и ушли из Pinterest. При этом Озома и Шимизу Бэнкс нарушили условия своих договоров о неразглашении информации (а именно оговорок о критике в адрес компании) — позднее они разработали законопроект об отмене таких пунктов в договорах в связи с расовой дискриминацией. Сейчас активисты занимаются вопросом оговорок о критике компании в договорах о неразглашении информации: по их мнению, такие пункты зачастую необоснованны и призваны заставить пострадавших замолчать.

В начале апреля программистка Эми Нитфилд написала большую колонку для The New York Times о своём опыте работы в Google. По её словам, сначала компания создала для неё ощущение «семьи», однако, когда она заявила о харассменте со стороны коллеги, всё изменилось, во время расследования ей приходилось продолжать с ним работать. После, когда внутреннее расследование подтвердило, что он нарушил кодекс поведения, его даже не пересадили. Это повлияло на психическое здоровье специалистки, а впоследствии и на оценку её работы в компании. В итоге Нитфилд ушла из Google и пообещала себе больше эмоционально не привязываться к месту работы.

Сначала компания Google создала для программистки ощущение «семьи», но, когда она заявила о харассменте со стороны коллеги, всё изменилось, во время расследования ей приходилось продолжать с ним работать

Пожалуй, самый громкий скандал именно в области ИИ случился в конце 2020 года, когда исследовательница этики искусственного интеллекта Тимнит Гебру рассказала об увольнении из Google. Ему предшествовало исследование, которое выявило, что ИИ компании склонен воспроизводить предвзятый язык в отношении тем гендера и этничности, который находит в интернете. В Google, по её словам, сотрудницу попросили отозвать исследование или убрать из него своё имя. Как рассказала Гебру, тогда ей не объяснили, каким образом оценивали работу и её результаты. После того, как она пожаловалась коллегам на обесценивание её работы, исследовательницу, по сути, уволили. После этого Тимнит Гебру рассказала о попытках дискредитировать её работу и травле. Сейчас она и её коллеги пишут о том, как Джефф Дин, старший научный сотрудник в команде Google AI, выпустил исследование, не указав должных источников (в том числе её исследования), хотя критиковал работу Гебру за это.

Гебру и её коллеги — исследовательницы в области этики ИИ рассказали, что их работу часто критикуют за отсутствие предложений, как решить существующие в алгоритмах проблемы (хотя они предлагают стратегии в своих публикациях), однако первостепенным для них является осознание проблем в сфере, которая создаёт видимость объективности. Описывая конфликт Тимнит Гебру и её коллег с Google, в Bloomberg задались вопросом, «можно ли доверять технологическим компаниям саморегулировать свои алгоритмы и продукты, чтобы избежать непреднамеренных или игнорируемых последствий».

Очевидно, что искусственный интеллект способен принести большую пользу обществу. Сейчас алгоритмы используют для отслеживания распространения пандемии COVID-19 по всему миру, ИИ также может помочь в борьбе с климатическим кризисом. Однако инновации внедряются так быстро, что люди порой не успевают исследовать их недостатки или не замечают предрассудки, которые закладывают в технологии из-за того, что работающие над ними команды всё ещё очень гомогенны, а информация недостаточно обрабатывается. В ЮНЕСКО призывают не только работать с качественными входными данными и обеспечивать разнообразие в командах людей, работающих над ИИ, но и устанавливать чёткие этические стандарты на международном уровне, чтобы избежать «алгоритмического угнетения».

Может показаться, что люди не сильно могут повлиять на технологии, которыми пользуются (разве что указывать онлайн-переводчикам на некорректные варианты и отказываться от предложений текстовых редакторов исправить феминитивы). Но, возможно, первым шагом станет осознание того, что технологии, кажущиеся нам объективными, на самом деле склонны к предрассудкам и способны влиять на нашу жизнь ещё сильнее, чем мы осознаём. А затем важно требовать от компаний соблюдения этических стандартов.

Источник