aimodelshare 0.3.7__py3-none-any.whl → 0.3.94__py3-none-any.whl

aimodelshare/moral_compass/apps/what_is_ai.py

@@ -5,6 +5,7 @@ Updated with i18n support for English (en), Spanish (es), and Catalan (ca).
 import contextlib
 import os
 import gradio as gr
+from functools import lru_cache
 
 # -------------------------------------------------------------------------
 # TRANSLATION CONFIGURATION
@@ -51,7 +52,7 @@ TRANSLATIONS = {
         "s3_title": "🧠 How Does an AI Model Learn?",
         "s3_h1": "1. It Learns from Examples",
         "s3_p1": "An AI model isn't programmed with answers. Instead, it's trained on a huge number of examples, and it learns how to find the answers on its own.",
-        "s3_p2": "In our justice scenario, this means feeding the model thousands of past cases (<b>examples</b>) to teach it how to find the <b>patterns</b> that connect a person's details to their criminal risk.",
+        "s3_p2": "In our justice scenario, this means feeding the model thousands of past cases (<b>examples</b>) to teach it how to find the <b>patterns</b> that connect a person's details to their risk of re-offending.",
         "s3_h2": "2. The Training Process",
         "s3_p3": "The AI \"trains\" by looping through historical data (past cases) millions of times:",
         "flow_1": "1. INPUT<br>EXAMPLES",
@@ -65,7 +66,7 @@ TRANSLATIONS = {
         "btn_next_try": "Next: Try It Yourself ▶️",
         # Step 4 (Interactive)
         "s4_title": "🎮 Try It Yourself!",
-        "s4_intro": "<b>Let's use a simple AI model to predict criminal risk.</b><br>Adjust the inputs below and see how the model's prediction changes!",
+        "s4_intro": "<b>Let's use a simple AI model to predict risk of re-offending.</b><br>Adjust the inputs below and see how the model's prediction changes!",
         "s4_sect1": "1️⃣ INPUT: Adjust the Data",
         "lbl_age": "Age",
         "info_age": "Defendant's age",
@@ -94,7 +95,7 @@ TRANSLATIONS = {
         "s5_li1": "The <b>input data</b> might contain historical biases",
         "s5_li2": "The <b>model</b> learns patterns from potentially unfair past decisions",
         "s5_li3": "The <b>output predictions</b> can perpetuate discrimination",
-        "s5_final": "<b>Understanding how AI works is the first step to building fairer systems.</b><br><br>Now that you know what AI is, you're ready to help design better models that are more ethical and less biased!",
+        "s5_final": "<b>Understanding how AI works is the first step to building fairer systems.</b><br><br>Now that you know the basics of AI, you're ready to help design better models that are more ethical and less biased!",
         "btn_complete": "Complete This Section ▶️",
         # Step 6
         "s6_title": "🎓 You Now Understand the Basics of AI!",
@@ -116,135 +117,135 @@ TRANSLATIONS = {
         "risk_score": "Risk Score:"
     },
     "es": {
-        "title": "🤖 ¿Qué es la IA, en realidad?",
+        "title": "🤖 Pero, ¿qué es la IA, en realidad?",
         "intro_box": "Antes de poder construir mejores sistemas de IA, necesitas entender qué es realmente la IA.<br>No te preocupes, ¡lo explicaremos en términos simples y cotidianos!",
         "loading": "⏳ Cargando...",
         # Step 1
-        "s1_title": "🎯 Una Definición Simple",
+        "s1_title": "🎯 Una definición simple",
         "s1_head": "Inteligencia Artificial (IA) es solo un nombre elegante para:",
         "s1_big": "Un sistema que hace predicciones basadas en patrones",
         "s1_sub": "¡Eso es todo! Desglosemos qué significa eso...",
         "s1_list_title": "Piensa en cómo TÚ haces predicciones:",
-        "s1_li1": "<b>Clima:</b> Nubes oscuras → Predices lluvia → Llevas paraguas",
-        "s1_li2": "<b>Tráfico:</b> Hora pico → Predices congestión → Sales temprano",
-        "s1_li3": "<b>Cine:</b> Actor que te gusta → Predices que te gustará → La ves",
+        "s1_li1": "<b>Tiempo:</b> Nubes oscuras → Predices lluvia → Llevas paraguas",
+        "s1_li2": "<b>Tráfico:</b> Hora punta → Predices congestión → Sales temprano",
+        "s1_li3": "<b>Película:</b> Actor que te gusta → Predices que te gustará → La ves",
         "s1_highlight": "La IA hace lo mismo, pero usando datos y matemáticas en lugar de experiencia humana e intuición.",
-        "btn_next_formula": "Siguiente: La Fórmula de la IA ▶️",
+        "btn_next_formula": "Siguiente: La fórmula de la IA ▶️",
         # Step 2
-        "s2_title": "📐 La Fórmula de Tres Partes",
+        "s2_title": "📐 Las tres partes de la fórmula",
         "s2_intro": "Todo sistema de IA funciona de la misma manera, siguiendo esta fórmula simple:",
         "lbl_input": "ENTRADA",
         "lbl_model": "MODELO",
         "lbl_output": "SALIDA",
         "desc_input": "Entran datos",
-        "desc_model": "IA procesa",
-        "desc_output": "Sale predicción",
-        "s2_ex_title": "Ejemplos del Mundo Real:",
+        "desc_model": "La IA los procesa",
+        "desc_output": "Sale la predicción",
+        "s2_ex_title": "Ejemplos del mundo real:",
         "s2_ex1_in": "Foto de un perro",
-        "s2_ex1_mod": "IA de reconocimiento de imagen",
+        "s2_ex1_mod": "IA de reconocimiento de imágenes",
         "s2_ex1_out": "\"Esto es un Golden Retriever\"",
-        "s2_ex2_in": "\"¿Qué tal el clima?\"",
+        "s2_ex2_in": "\"¿Qué tiempo hace?\"",
         "s2_ex2_mod": "IA de lenguaje (como ChatGPT)",
         "s2_ex2_out": "Una respuesta útil",
         "s2_ex3_in": "Historial criminal de una persona",
         "s2_ex3_mod": "IA de evaluación de riesgos",
         "s2_ex3_out": "\"Alto Riesgo\" o \"Bajo Riesgo\"",
         "btn_back": "◀️ Atrás",
-        "btn_next_learn": "Siguiente: Cómo Aprenden los Modelos ▶️",
+        "btn_next_learn": "Siguiente: Cómo aprenden los modelos ▶️",
         # Step 3
-        "s3_title": "🧠 ¿Cómo Aprende un Modelo de IA?",
-        "s3_h1": "1. Aprende de Ejemplos",
+        "s3_title": "🧠 ¿Cómo aprende un modelo de IA?",
+        "s3_h1": "1. Aprende de ejemplos",
         "s3_p1": "Un modelo de IA no está programado con respuestas. En cambio, se entrena con una gran cantidad de ejemplos y aprende a encontrar las respuestas por sí mismo.",
         "s3_p2": "En nuestro escenario de justicia, esto significa alimentar al modelo con miles de casos pasados (<b>ejemplos</b>) para enseñarle a encontrar los <b>patrones</b> que conectan los detalles de una persona con su riesgo criminal.",
-        "s3_h2": "2. El Proceso de Entrenamiento",
-        "s3_p3": "La IA \"entrena\" recorriendo datos históricos (casos pasados) millones de veces:",
+        "s3_h2": "2. El Proceso de entrenamiento",
+        "s3_p3": "La IA se \"entrena\" repitiendo el ciclo millones de veces a través de datos históricos (casos pasados):",
         "flow_1": "1. EJEMPLOS<br>ENTRADA",
-        "flow_2": "2. MODELO<br>ADIVINA",
+        "flow_2": "2. MODELO<br>ESTIMACIONES",
         "flow_3": "3. REVISAR<br>RESPUESTA",
         "flow_4": "4. AJUSTAR<br>PESOS",
         "flow_5": "MODELO<br>APRENDIDO",
         "s3_p4": "Durante el paso de <b>\"Ajustar\"</b>, el modelo cambia sus reglas internas (llamadas <b>\"pesos\"</b>) para acercarse a la respuesta correcta. Por ejemplo, aprende <b>cuánto</b> deben importar más los \"delitos previos\" que la \"edad\".",
-        "s3_eth_title": "⚠️ El Desafío Ético",
-        "s3_eth_p": "<b>Aquí está el problema crítico:</b> El modelo *solo* aprende de los datos. Si los datos históricos están sesgados (por ejemplo, ciertos grupos fueron arrestados con más frecuencia), el modelo aprenderá esos patrones sesgados.<br><br><b>El modelo no conoce la \"equidad\" o la \"justicia\", solo conoce patrones.</b>",
-        "btn_next_try": "Siguiente: Pruébalo Tú Mismo ▶️",
+        "s3_eth_title": "⚠️ El desafío ético",
+        "s3_eth_p": "<b>Aquí nos encontramos con un problema crítico:</b> El modelo *solo* aprende de los datos. Si los datos históricos están sesgados (por ejemplo, ciertos grupos de personas fueron arrestados con más frecuencia), el modelo aprenderá esos patrones sesgados.<br><br><b>El modelo no conoce de \"equidad\" o de \"justicia\", solo conoce patrones.</b>",
+        "btn_next_try": "Siguiente: Pruébalo tú mismo ▶️",
         # Step 4
-        "s4_title": "🎮 ¡Pruébalo Tú Mismo!",
-        "s4_intro": "<b>Usemos un modelo de IA simple para predecir el riesgo criminal.</b><br>¡Ajusta las entradas a continuación y ve cómo cambia la predicción del modelo!",
-        "s4_sect1": "1️⃣ ENTRADA: Ajusta los Datos",
+        "s4_title": "🎮 ¡Pruébalo tú mismo!",
+        "s4_intro": "<b>Usemos un modelo de IA simple para predecir el riesgo de reincidencia.</b><br>¡A continuación, ajusta las entradas y observa cómo cambia la predicción del modelo!",
+        "s4_sect1": "1️⃣ ENTRADA: Ajusta los datos",
         "lbl_age": "Edad",
         "info_age": "Edad del acusado",
-        "lbl_priors": "Delitos Previos",
+        "lbl_priors": "Delitos previos",
         "info_priors": "Número de crímenes anteriores",
-        "lbl_severity": "Gravedad del Cargo Actual",
+        "lbl_severity": "Gravedad del cargo actual",
         "info_severity": "¿Qué tan grave es el cargo actual?",
         "opt_minor": "Menor",
         "opt_moderate": "Moderado",
         "opt_serious": "Grave",
-        "s4_sect2": "2️⃣ MODELO: Procesa los Datos",
-        "btn_run": "🔮 Ejecutar Predicción IA",
-        "s4_sect3": "3️⃣ SALIDA: Ver la Predicción",
-        "res_placeholder": "Haz clic en \"Ejecutar Predicción IA\" arriba para ver el resultado",
-        "s4_highlight": "<b>Lo Que Acabas de Hacer:</b><br><br>¡Usaste un modelo de IA muy simple! Proporcionaste <b style='color:#0369a1;'>datos de entrada</b> (edad, delitos, gravedad), el <b style='color:#92400e;'>modelo los procesó</b> usando reglas y patrones, y produjo una <b style='color:#15803d;'>predicción de salida</b>.<br><br>¡Los modelos de IA reales son más complejos, pero funcionan bajo el mismo principio!",
-        "btn_next_conn": "Siguiente: Conexión con la Justicia ▶️",
+        "s4_sect2": "2️⃣ MODELO: Procesa los datos",
+        "btn_run": "🔮 Ejecutar predicción de la IA",
+        "s4_sect3": "3️⃣ SALIDA: Ver la predicción",
+        "res_placeholder": "Haz clic en \"Ejecutar predicción de la IA\" para ver el resultado",
+        "s4_highlight": "<b>Lo que acabas de hacer:</b><br><br>¡Usaste un modelo de IA muy simple! Proporcionaste <b style='color:#0369a1;'>datos de entrada</b> (edad, delitos, gravedad), el <b style='color:#92400e;'>modelo los procesó</b> usando reglas y patrones, y produjo una <b style='color:#15803d;'>predicción de salida</b>.<br><br>¡Los modelos de IA reales son más complejos, pero funcionan bajo el mismo principio!",
+        "btn_next_conn": "Siguiente: Conexión con la justicia ▶️",
         # Step 5
-        "s5_title": "🔗 Conectando con la Justicia Penal",
-        "s5_p1": "<b>¿Recuerdas la predicción de riesgo que usaste antes como juez?</b>",
+        "s5_title": "🔗 Connexión con el sistema de justicia penal",
+        "s5_p1": "<b>¿Recuerdas la predicción de riesgo que usaste antes en tu rol de juez?</b>",
         "s5_p2": "Ese fue un ejemplo del mundo real de IA en acción:",
-        "s5_in_desc": "• Edad, raza, género, delitos previos, detalles del cargo",
-        "s5_mod_desc1": "• Entrenado con datos históricos de justicia penal",
-        "s5_mod_desc2": "• Busca patrones en quién reincidió en el pasado",
+        "s5_in_desc": "• Edad, raza, género, delitos previos, detalles del cargo penal",
+        "s5_mod_desc1": "• Se entrena con datos históricos de la justicia penal",
+        "s5_mod_desc2": "• Busca patrones entre las personas que reincindieron en el pasado",
         "s5_out_desc": "• \"Alto Riesgo\", \"Riesgo Medio\" o \"Bajo Riesgo\"",
-        "s5_h2": "Por Qué Esto Importa para la Ética:",
+        "s5_h2": "¿Por qué es esto importante para la ética?:",
         "s5_li1": "Los <b>datos de entrada</b> pueden contener sesgos históricos",
         "s5_li2": "El <b>modelo</b> aprende patrones de decisiones pasadas potencialmente injustas",
         "s5_li3": "Las <b>predicciones de salida</b> pueden perpetuar la discriminación",
-        "s5_final": "<b>Entender cómo funciona la IA es el primer paso para construir sistemas más justos.</b><br><br>¡Ahora que sabes qué es la IA, estás listo para ayudar a diseñar mejores modelos que sean más éticos y menos sesgados!",
-        "btn_complete": "Completar esta Sección ▶️",
+        "s5_final": "<b>Entender cómo funciona la IA es el primer paso para construir sistemas más justos.</b><br><br>¡Ahora que sabes los conceptos básicos de la IA, estás listo para ayudar a diseñar mejores modelos que sean más éticos y menos sesgados!",
+        "btn_complete": "Completar esta sección ▶️",
         # Step 6
-        "s6_title": "🎓 ¡Ahora Entiendes Los Conceptos Básicos de La IA!",
+        "s6_title": "🎓 ¡Ahora entiendes los conceptos básicos de la IA!",
         "s6_congrats": "<b>¡Felicidades!</b> Ahora sabes:",
         "s6_li1": "Qué es la IA (un sistema de predicción)",
         "s6_li2": "Cómo funciona (Entrada → Modelo → Salida)",
-        "s6_li3": "Cómo aprenden los modelos de IA de los datos",
-        "s6_li4": "Por qué importa para la justicia penal",
-        "s6_li5": "Las implicaciones éticas de las decisiones de IA",
-        "s6_next": "<b>Próximos Pasos:</b>",
+        "s6_li3": "Cómo los modelos de IA aprenden de los datos",
+        "s6_li4": "Por qué importa para el sistema de justicia penal",
+        "s6_li5": "Las implicaciones éticas de las decisiones de la IA",
+        "s6_next": "<b>Próximos pasos:</b>",
         "s6_next_desc": "En las siguientes secciones, aprenderás cómo construir y mejorar modelos de IA para hacerlos más justos y éticos.",
         "s6_scroll": "👇 DESPLÁZATE HACIA ABAJO 👇",
         "s6_find": "Continúa en la siguiente sección abajo.",
-        "btn_review": "◀️ Volver a Revisar",
+        "btn_review": "◀️ Volver a revisar",
         "risk_high": "Alto Riesgo",
         "risk_med": "Riesgo Medio",
         "risk_low": "Bajo Riesgo",
         "risk_score": "Puntaje de Riesgo:"
     },
     "ca": {
-        "title": "🤖 Què és la IA, realment?",
+        "title": "🤖 Però, què és la IA, realment?",
         "intro_box": "Abans de poder construir millors sistemes d'IA, necessites entendre què és realment la IA.<br>No et preocupis, ho explicarem en termes simples i quotidians!",
         "loading": "⏳ Carregant...",
         # Step 1
-        "s1_title": "🎯 Una Definició Simple",
+        "s1_title": "🎯 Una definició simple",
         "s1_head": "Intel·ligència Artificial (IA) és només un nom elegant per a:",
         "s1_big": "Un sistema que fa prediccions basades en patrons",
         "s1_sub": "Això és tot! Desglossem què significa això...",
         "s1_list_title": "Pensa en com TU fas prediccions:",
-        "s1_li1": "<b>Temps:</b> Núvols foscos → Predius pluja → Portes paraigua",
+        "s1_li1": "<b>Temps:</b> Núvols negres → Predius pluja → Portes paraigua",
         "s1_li2": "<b>Trànsit:</b> Hora punta → Predius congestió → Surts d'hora",
-        "s1_li3": "<b>Cinema:</b> Actor que t'agrada → Predius que t'agradarà → La veus",
+        "s1_li3": "<b>Pel·lícula:</b> Actor que t'agrada → Predius que t'agradarà → La veus",
         "s1_highlight": "La IA fa el mateix, però utilitzant dades i matemàtiques en lloc d'experiència humana i intuïció.",
-        "btn_next_formula": "Següent: La Fórmula de la IA ▶️",
+        "btn_next_formula": "Següent: La fórmula de la IA ▶️",
         # Step 2
-        "s2_title": "📐 La Fórmula de Tres Parts",
+        "s2_title": "📐 Les tres parts de la fórmula",
         "s2_intro": "Tot sistema d'IA funciona de la mateixa manera, seguint aquesta fórmula simple:",
         "lbl_input": "ENTRADA",
         "lbl_model": "MODEL",
         "lbl_output": "SORTIDA",
         "desc_input": "Entren dades",
-        "desc_model": "IA processa",
-        "desc_output": "Surt predicció",
-        "s2_ex_title": "Exemples del Món Real:",
+        "desc_model": "La IA les processa",
+        "desc_output": "Surt la predicció",
+        "s2_ex_title": "Exemples del món real:",
         "s2_ex1_in": "Foto d'un gos",
-        "s2_ex1_mod": "IA de reconeixement d'imatge",
+        "s2_ex1_mod": "IA de reconeixement d'imatges",
         "s2_ex1_out": "\"Això és un Golden Retriever\"",
         "s2_ex2_in": "\"Quin temps fa?\"",
         "s2_ex2_mod": "IA de llenguatge (com ChatGPT)",
@@ -253,73 +254,73 @@ TRANSLATIONS = {
         "s2_ex3_mod": "IA d'avaluació de riscos",
         "s2_ex3_out": "\"Alt Risc\" o \"Baix Risc\"",
         "btn_back": "◀️ Enrere",
-        "btn_next_learn": "Següent: Com Aprenen els Models ▶️",
+        "btn_next_learn": "Següent: Com aprenen els models ▶️",
         # Step 3
-        "s3_title": "🧠 Com Aprèn un Model d'IA?",
-        "s3_h1": "1. Aprèn d'Exemples",
+        "s3_title": "🧠 Com aprèn un model d'IA?",
+        "s3_h1": "1. Aprèn d'exemples",
         "s3_p1": "Un model d'IA no està programat amb respostes. En canvi, s'entrena amb una gran quantitat d'exemples i aprèn a trobar les respostes per si mateix.",
         "s3_p2": "En el nostre escenari de justícia, això significa alimentar el model amb milers de casos passats (<b>exemples</b>) per ensenyar-li a trobar els <b>patrons</b> que connecten els detalls d'una persona amb el seu risc criminal.",
-        "s3_h2": "2. El Procés d'Entrenament",
-        "s3_p3": "La IA \"entrena\" recorrent dades històriques (casos passats) milions de vegades:",
+        "s3_h2": "2. El procés d'entrenament",
+        "s3_p3": "La IA \"s'entrena\" repetint el cicle milions de vegades a través de dades històriques (casos passats):",
         "flow_1": "1. EXEMPLES<br>ENTRADA",
-        "flow_2": "2. MODEL<br>ENDEVINA",
+        "flow_2": "2. MODEL<br>ESTIMACIONS",
         "flow_3": "3. REVISAR<br>RESPOSTA",
         "flow_4": "4. AJUSTAR<br>PESOS",
         "flow_5": "MODEL<br>APRÈS",
-        "s3_p4": "Durant el pas d'<b>\"Ajustar\"</b>, el model canvia les seves regles internes (anomenades <b>\"pesos\"</b>) per apropar-se a la resposta correcta. Per exemple, aprèn <b>quant</b> han d'importar més els \"delictes previs\" que l'\"edat\".",
-        "s3_eth_title": "⚠️ El Desafiament Ètic",
-        "s3_eth_p": "<b>Aquí hi ha el problema crític:</b> El model *només* aprèn de les dades. Si les dades històriques estan esbiaixades (per exemple, certs grups van ser arrestats amb més freqüència), el model aprendrà aquests patrons esbiaixats.<br><br><b>El model no coneix l'\"equitat\" o la \"justícia\", només coneix patrons.</b>",
-        "btn_next_try": "Següent: Prova-ho Tu Mateix ▶️",
+        "s3_p4": "Durant el pas d'<b>\"ajustar\"</b>, el model canvia les seves regles internes (anomenades <b>\"pesos\"</b>) per apropar-se a la resposta correcta. Per exemple, aprèn <b>quant</b> han d'importar més els \"delictes previs\" que l'\"edat\".",
+        "s3_eth_title": "⚠️ El desafiament ètic",
+        "s3_eth_p": "<b>Aquí ens trobem amb un problema crític:</b> El model *només* aprèn de les dades. Si les dades històriques estan esbiaixades (per exemple, certs grups de persones van ser detinguts amb més freqüència), el model aprendrà aquests patrons esbiaixats.<br><br><b>El model no coneix d'\"equitat\" o de \"justícia\", només coneix patrons.</b>",
+        "btn_next_try": "Següent: Prova-ho tu mateix ▶️",
         # Step 4
-        "s4_title": "🎮 Prova-ho Tu Mateix!",
-        "s4_intro": "<b>Utilitzem un model d'IA simple per predir el risc criminal.</b><br>Ajusta les entrades a continuació i veus com canvia la predicció del model!",
-        "s4_sect1": "1️⃣ ENTRADA: Ajusta les Dades",
+        "s4_title": "🎮 Prova-ho tu mateix!",
+        "s4_intro": "<b>Utilitzem un model d'IA simple per predir el risc de reincidència.</b><br>A continuació, ajusta les entrades i observa com canvia la predicció del model!",
+        "s4_sect1": "1️⃣ ENTRADA: Ajusta les dades",
         "lbl_age": "Edat",
-        "info_age": "Edat de l'acusat",
-        "lbl_priors": "Delictes Previs",
+        "info_age": "Edat de la persona presa",
+        "lbl_priors": "Delictes previs",
         "info_priors": "Nombre de crims anteriors",
-        "lbl_severity": "Gravetat del Càrrec Actual",
+        "lbl_severity": "Gravetat del càrrec actual",
         "info_severity": "Què tan greu és el càrrec actual?",
         "opt_minor": "Menor",
         "opt_moderate": "Moderat",
         "opt_serious": "Greu",
-        "s4_sect2": "2️⃣ MODEL: Processa les Dades",
-        "btn_run": "🔮 Executar Predicció IA",
-        "s4_sect3": "3️⃣ SORTIDA: Veure la Predicció",
-        "res_placeholder": "Fes clic a \"Executar Predicció IA\" a dalt per veure el resultat",
-        "s4_highlight": "<b>El Que Acabes de Fer:</b><br><br>Has utilitzat un model d'IA molt simple! Has proporcionat <b style='color:#0369a1;'>dades d'entrada</b> (edat, delictes, gravetat), el <b style='color:#92400e;'>model les ha processat</b> utilitzant regles i patrons, i ha produït una <b style='color:#15803d;'>predicció de sortida</b>.<br><br>Els models d'IA reals són més complexos, però funcionen sota el mateix principi!",
-        "btn_next_conn": "Següent: Connexió amb la Justícia ▶️",
+        "s4_sect2": "2️⃣ MODEL: Processa les dades",
+        "btn_run": "🔮 Executar predicció de la IA",
+        "s4_sect3": "3️⃣ SORTIDA: Veure la predicció",
+        "res_placeholder": "Fes clic a \"Executar la predicció de la IA\" per veure el resultat",
+        "s4_highlight": "<b>El que acabes de fer:</b><br><br>Has utilitzat un model d'IA molt simple! Has proporcionat <b style='color:#0369a1;'>dades d'entrada</b> (edat, delictes, gravetat), el <b style='color:#92400e;'>model les ha processat</b> utilitzant regles i patrons, i ha produït una <b style='color:#15803d;'>predicció de sortida</b>.<br><br>Els models d'IA reals són més complexos, però funcionen sota el mateix principi!",
+        "btn_next_conn": "Següent: Connexió amb la justícia ▶️",
         # Step 5
-        "s5_title": "🔗 Connectant amb la Justícia Penal",
-        "s5_p1": "<b>Recordes la predicció de risc que vas utilitzar abans com a jutge?</b>",
-        "s5_p2": "Aquest va ser un exemple del món real d'IA en acció:",
+        "s5_title": "🔗 Connexió amb el sistema de justícia penal",
+        "s5_p1": "<b>Recordes la predicció de risc que has utilitzat abans en el teu rol de jutge?</b>",
+        "s5_p2": "Aquest és un exemple real de l'aplicació de la IA:",
         "s5_in_desc": "• Edat, raça, gènere, delictes previs, detalls del càrrec",
         "s5_mod_desc1": "• Entrenat amb dades històriques de justícia penal",
-        "s5_mod_desc2": "• Busca patrons en qui va reincidir en el passat",
+        "s5_mod_desc2": "• Busca patrons entre les persones que van reincidir en el passat",
         "s5_out_desc": "• \"Alt Risc\", \"Risc Mitjà\" o \"Baix Risc\"",
-        "s5_h2": "Per Què Això Importa per a l'Ètica:",
+        "s5_h2": "Per què això és important per a l'ètica?",
         "s5_li1": "Les <b>dades d'entrada</b> poden contenir biaixos històrics",
         "s5_li2": "El <b>model</b> aprèn patrons de decisions passades potencialment injustes",
         "s5_li3": "Les <b>prediccions de sortida</b> poden perpetuar la discriminació",
-        "s5_final": "<b>Entendre com funciona la IA és el primer pas per construir sistemes més justos.</b><br><br>Ara que saps què és la IA, estàs llest per ajudar a dissenyar millors models que siguin més ètics i menys esbiaixats!",
-        "btn_complete": "Completar aquesta Secció ▶️",
+        "s5_final": "<b>Entendre com funciona la IA és el primer pas per construir sistemes més justos.</b><br><br>Ara que saps què és la IA, estàs llest per ajudar a dissenyar models que siguin més ètics i menys esbiaixats!",
+        "btn_complete": "Completar aquesta secció ▶️",
         # Step 6
-        "s6_title": "🎓 Ara Ja Entens els  Conceptes Bàsics de La IA!",
+        "s6_title": "🎓 Ara ja entens els conceptes bàsics de la IA!",
         "s6_congrats": "<b>Felicitats!</b> Ara saps:",
         "s6_li1": "Què és la IA (un sistema de predicció)",
         "s6_li2": "Com funciona (Entrada → Model → Sortida)",
-        "s6_li3": "Com aprenen els models d'IA de les dades",
+        "s6_li3": "Com els models d'IA aprenen de les dades",
         "s6_li4": "Per què importa per a la justícia penal",
-        "s6_li5": "Les implicacions ètiques de les decisions d'IA",
+        "s6_li5": "Les implicacions ètiques de les decisions de la IA",
         "s6_next": "<b>Propers Passos:</b>",
         "s6_next_desc": "En les següents seccions, aprendràs com construir i millorar models d'IA per fer-los més justos i ètics.",
         "s6_scroll": "👇 DESPLAÇA'T CAP AVALL 👇",
         "s6_find": "Continua a la següent secció a sota.",
-        "btn_review": "◀️ Tornar a Revisar",
+        "btn_review": "◀️ Tornar a revisar",
         "risk_high": "Alt Risc",
         "risk_med": "Risc Mitjà",
         "risk_low": "Baix Risc",
-        "risk_score": "Puntuació de Risc:"
+        "risk_score": "Puntuació de risc:"
     }
 }
 
@@ -688,12 +689,32 @@ def create_what_is_ai_app(theme_primary_hue: str = "indigo") -> "gr.Blocks":
 
         # --- Update Logic ---
         
-        def update_language(request: gr.Request):
-            params = request.query_params
-            lang = params.get("lang", "en")
-            if lang not in TRANSLATIONS: lang = "en"
+        # --- CACHED UPDATE LOGIC ---
+
+        # List of outputs must match the return order exactly
+        update_targets = [
+            lang_state,
+            c_title, c_intro, c_load,
+            # S1
+            c_s1_title, c_s1_html, step_1_next,
+            # S2
+            c_s2_title, c_s2_html, step_2_back, step_2_next,
+            # S3
+            c_s3_title, c_s3_html, step_3_back, step_3_next,
+            # S4
+            c_s4_title, c_s4_intro, c_s4_sect1, age_slider, priors_slider, severity_dropdown,
+            c_s4_sect2, predict_btn, c_s4_sect3, prediction_output, c_s4_highlight, step_4_back, step_4_next,
+            # S5
+            c_s5_title, c_s5_html, step_5_back, step_5_next,
+            # S6
+            c_s6_html, back_to_connection_btn
+        ]
+
+        @lru_cache(maxsize=16)
+        def get_cached_ui_updates(lang):
+            """Cache the heavy UI generation."""
             
-            # Helper to access options for Dropdown updates
+            # Helper must be defined here or available in scope
             def get_opt(k): return t(lang, k)
             
             return [
@@ -734,7 +755,7 @@ def create_what_is_ai_app(theme_primary_hue: str = "indigo") -> "gr.Blocks":
                 f"<h3 style='text-align:center; color:#92400e;'>{t(lang, 's4_sect2')}</h3>",
                 gr.Button(value=t(lang, 'btn_run')),
                 f"<h3 style='text-align:center; color:#15803d;'>{t(lang, 's4_sect3')}</h3>",
-                f"<div class='prediction-placeholder'><p style='font-size:18px; margin:0;'>{t(lang, 'res_placeholder')}</p></div>", # Reset output on lang change
+                f"<div class='prediction-placeholder'><p style='font-size:18px; margin:0;'>{t(lang, 'res_placeholder')}</p></div>", 
                 _get_step4_highlight_html(lang),
                 gr.Button(value=t(lang, 'btn_back')),
                 gr.Button(value=t(lang, 'btn_next_conn')),
@@ -750,24 +771,12 @@ def create_what_is_ai_app(theme_primary_hue: str = "indigo") -> "gr.Blocks":
                 gr.Button(value=t(lang, 'btn_review'))
             ]
 
-        # List of outputs must match the return order exactly
-        update_targets = [
-            lang_state,
-            c_title, c_intro, c_load,
-            # S1
-            c_s1_title, c_s1_html, step_1_next,
-            # S2
-            c_s2_title, c_s2_html, step_2_back, step_2_next,
-            # S3
-            c_s3_title, c_s3_html, step_3_back, step_3_next,
-            # S4
-            c_s4_title, c_s4_intro, c_s4_sect1, age_slider, priors_slider, severity_dropdown,
-            c_s4_sect2, predict_btn, c_s4_sect3, prediction_output, c_s4_highlight, step_4_back, step_4_next,
-            # S5
-            c_s5_title, c_s5_html, step_5_back, step_5_next,
-            # S6
-            c_s6_html, back_to_connection_btn
-        ]
+        def update_language(request: gr.Request):
+            params = request.query_params
+            lang = params.get("lang", "en")
+            if lang not in TRANSLATIONS: lang = "en"
+            
+            return get_cached_ui_updates(lang)
         
         demo.load(update_language, inputs=None, outputs=update_targets)
 

aimodelshare/moral_compass/challenge.py

@@ -5,7 +5,7 @@ Provides a local state manager for tracking multi-metric progress
 and syncing with the Moral Compass API.
 """
 
-from typing import Dict, Optional, List
+from typing import Dict, Optional, List, Tuple
 from dataclasses import dataclass
 from .api_client import MoralcompassApiClient
 
@@ -173,7 +173,7 @@ class ChallengeManager:
     """
     
     def __init__(self, table_id: str, username: str, api_client: Optional[MoralcompassApiClient] = None, 
-                 challenge: Optional[JusticeAndEquityChallenge] = None):
+                 challenge: Optional[JusticeAndEquityChallenge] = None, team_name: Optional[str] = None):
         """
         Initialize a challenge manager.
         
@@ -182,11 +182,13 @@ class ChallengeManager:
             username: The username
             api_client: Optional API client instance (creates new one if None)
             challenge: Optional challenge instance (creates JusticeAndEquityChallenge if None)
+            team_name: Optional team name for the user
         """
         self.table_id = table_id
         self.username = username
         self.api_client = api_client or MoralcompassApiClient()
         self.challenge = challenge or JusticeAndEquityChallenge()
+        self.team_name = team_name
         
         # Metrics state
         self.metrics: Dict[str, float] = {}
@@ -216,34 +218,67 @@ class ChallengeManager:
         if primary:
             self.primary_metric = name
     
-    def set_progress(self, tasks_completed: int = 0, total_tasks: int = 0,
-                    questions_correct: int = 0, total_questions: int = 0) -> None:
+    def set_progress(self, tasks_completed: Optional[int] = None, total_tasks: Optional[int] = None,
+                    questions_correct: Optional[int] = None, total_questions: Optional[int] = None) -> None:
         """
         Set progress counters.
         
         Args:
-            tasks_completed: Number of tasks completed
-            total_tasks: Total number of tasks
-            questions_correct: Number of questions answered correctly
-            total_questions: Total number of questions
+            tasks_completed: Number of tasks completed (None = keep current)
+            total_tasks: Total number of tasks (None = keep current)
+            questions_correct: Number of questions answered correctly (None = keep current)
+            total_questions: Total number of questions (None = keep current)
         """
-        self.tasks_completed = tasks_completed
-        self.total_tasks = total_tasks
-        self.questions_correct = questions_correct
-        self.total_questions = total_questions
+        if tasks_completed is not None:
+            self.tasks_completed = tasks_completed
+        if total_tasks is not None:
+            self.total_tasks = total_tasks
+        if questions_correct is not None:
+            self.questions_correct = questions_correct
+        if total_questions is not None:
+            self.total_questions = total_questions
     
-    def complete_task(self, task_id: str) -> None:
+    def is_task_completed(self, task_id: str) -> bool:
+        """
+        Check if a task has been completed.
+        
+        Args:
+            task_id: The task identifier (e.g., 'A', 'B', 'C')
+            
+        Returns:
+            True if the task has been completed, False otherwise
+        """
+        return task_id in self._completed_task_ids
+    
+    def complete_task(self, task_id: str) -> bool:
         """
         Mark a task as completed.
         
         Args:
             task_id: The task identifier (e.g., 'A', 'B', 'C')
+            
+        Returns:
+            True if the task was newly completed, False if already completed
         """
         if task_id not in self._completed_task_ids:
             self._completed_task_ids.add(task_id)
             self.tasks_completed = len(self._completed_task_ids)
+            return True
+        return False
     
-    def answer_question(self, task_id: str, question_id: str, selected_index: int) -> bool:
+    def is_question_answered(self, question_id: str) -> bool:
+        """
+        Check if a question has been answered.
+        
+        Args:
+            question_id: The question identifier
+            
+        Returns:
+            True if the question has been answered, False otherwise
+        """
+        return question_id in self._answered_questions
+    
+    def answer_question(self, task_id: str, question_id: str, selected_index: int) -> Tuple[bool, bool]:
         """
         Record an answer to a question.
         
@@ -253,8 +288,16 @@ class ChallengeManager:
             selected_index: The index of the selected answer
             
         Returns:
-            True if the answer is correct, False otherwise
+            Tuple of (is_correct, is_new_answer):
+            - is_correct: True if the answer is correct, False otherwise
+            - is_new_answer: True if this is a new answer, False if already answered
         """
+        # Check if already answered
+        if question_id in self._answered_questions:
+            # Return the previous result and indicate it's not a new answer
+            is_correct = self._is_answer_correct(question_id, self._answered_questions[question_id])
+            return is_correct, False
+        
         # Find the question
         question = None
         for task in self.challenge.tasks:
@@ -280,7 +323,7 @@ class ChallengeManager:
             if self._is_answer_correct(qid, idx)
         )
         
-        return is_correct
+        return is_correct, True
     
     def _is_answer_correct(self, question_id: str, selected_index: int) -> bool:
         """Check if an answer is correct"""
@@ -336,6 +379,42 @@ class ChallengeManager:
         
         return primary_value * progress_ratio
     
+    def _build_completed_task_ids(self) -> List[str]:
+        """
+        Build unified completedTaskIds list based on local state.
+        
+        Maps completed tasks and answered questions to t1, t2, ..., tn format where:
+        - Tasks map to t1..tTotalTasks by their index order in self.challenge.tasks
+        - Questions map to tTotalTasks+1..tN by their index order across all tasks
+        
+        Note: This mapping is deterministic for a given challenge definition.
+        Tasks and questions are indexed in their fixed order as defined in the
+        challenge structure, ensuring consistent t-numbers for the same items.
+        
+        Returns:
+            List of completed task IDs in unified format, sorted
+        """
+        result = []
+        
+        # Map completed tasks to t1..tTotalTasks
+        # Uses enumerate to maintain consistent ordering based on challenge definition
+        for i, task in enumerate(self.challenge.tasks):
+            if task.id in self._completed_task_ids:
+                result.append(f"t{i + 1}")
+        
+        # Map answered questions to tTotalTasks+1..tN
+        # Maintains consistent ordering across all questions in all tasks
+        question_offset = self.total_tasks
+        question_index = 0
+        for task in self.challenge.tasks:
+            for question in task.questions:
+                question_index += 1
+                if question.id in self._answered_questions:
+                    result.append(f"t{question_offset + question_index}")
+        
+        # Return sorted list for deterministic ordering
+        return sorted(result, key=lambda x: int(x[1:]))
+    
     def sync(self) -> Dict:
         """
         Sync current state to the Moral Compass API.
@@ -354,7 +433,9 @@ class ChallengeManager:
             total_tasks=self.total_tasks,
             questions_correct=self.questions_correct,
             total_questions=self.total_questions,
-            primary_metric=self.primary_metric
+            primary_metric=self.primary_metric,
+            team_name=self.team_name,
+            completed_task_ids=self._build_completed_task_ids()
         )
     
     def __repr__(self) -> str:

{aimodelshare-0.3.7.dist-info → aimodelshare-0.3.94.dist-info}/METADATA

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: aimodelshare
-Version: 0.3.7
+Version: 0.3.94
 Summary: Deploy locally saved machine learning models to a live REST API and integrated dashboard.
 Author-email: Michael Parrott <mikedparrott@modelshare.ai>
 License: