Fairness Aware Learning について、いくつかのサーベイを参照しながら論文 "Equality of Opportunity in Supervised Learning" を事例として紹介した資料です。 Reference NeurIPS (NIPS) 2017 Tutorial https://mrtz.org/nips17/#/ Fairness-Aware Machine Learning and Data Mining アルゴリズムの判断はいつ差別になるのか : COMPAS 事例を参照して https://eprints.lib.hokudai.ac.jp/dspace/handle/2115/80958 KDD'19 Fairness Tutorial https://sites.google.com/view/kdd19-fairness-tutoria
こんばんは、ソルティーです。 よく教育で話題になりますね。 「学校では『みんなが同じになるように』する」 って。 まぁ、よく考えたらテストの点数や、順位付けなど比べることもあって、整列や、制服、頭髪…などなど、最近ではよく話題になりますが、そこはみーんな同じ無個性に持っていくことを美徳とする学校はまだまだ多いです。 さて、そうした時に僕らは結構簡単に平等って言葉を使いたがります。 でも、似たような言葉で公平と公正って言葉があります。 この辺りをちゃんと分けて、意識して使うために改めて勉強していきましょう。 公平とはすべてのものを同じように扱うこと。判断や処理などが、かたよっていないこと。 コトバンクつまり、全て同じように扱うことですね。 差別することもなく、ひいきすることもなく、みな同じように取り扱うことです。 例えば景品の出る競技に出た時、1位の人には豪華な景品を与え、2位には次に豪華な
神嶌 敏弘(産業技術総合研究所) 1.は じ め に ここでは,人工知能,特に機械学習の公平性に関する情報を紹介する.こうした分野は公平性配慮型機械学習(Fairness-aware Machine Learning)などと呼ばれている.人工知能倫理(Artificial Intelligence and Ethics)や公平性配慮型機械学習では,公平性,差別,中立性,独立性などの潜在的な問題を考慮しつつデータ分析を行う. アメリカで公民権法が 1964年に成立して以来,公平性の検証に統計学は幅広く活用されてきた.これらは主に検定を用いて,人間による過去の決定が公平であったかを検証するもので,裁判などでも利用されてきた.その後,検証ではなく予測を行う機械学習も,与信・採用・入試などに利用されるようになったことをふまえ,2010年頃から予測の公平性の研究も始まった.そして,2016年の欧州で
市民団体や研究者などは、特に住宅、求人、信用関連の広告に関して、広告と経済的流動性との関係に長い間注目してきました。社会に選択肢があることを知っていれば、新たな職を求めたり、新居への引っ越しを考えたりすることは容易になりますが、これらの分野では長きにわたって人の扱いに不平等があったため、いまだに多くの人々の経済的機会に影響を及ぼしています。テクノロジー業界とAI研究コミュニティの双方における公平性へのアプローチは、まだ進化の途上にあります。パーソナライズされたオークションベースの広告システムの分野も例外ではありません。しかし、このような重要な懸念事項に対処するにあたり、コンセンサスをただ待つわけにはいかないことをMetaは理解しています。そこで今回は、まだ初期段階ではあるけれども非常に重要な、Metaが広告の公平性に対するMetaのアプローチの進化を取り入れながら広告システムに加えてきた変
The goal of fairness-aware machine learning or fairness-aware data mining is to analyze data while taking into account potential issues of fairness, discrimination, neutrality, and/or independence. Pedreschi, Ruggieri, and Turini in KDD2008 firstly posed this problem, and a literature about this topic was emerged. Tutorial on Fairness-aware Machine Learning This tutorial first shows how an algorit
こんにちは。メルペイのMachine Learningチームの@hiroです。Merpay Advent Calendar 2021 の18日目の記事をお届けします。 機械学習の社会的重要性の高まり 近年、機械学習という技術領域が人口に膾炙し、多くの産業やプロダクトに用いられるようになってきています。機械学習は、アルゴリズムによって、蓄積されたデータのパターンを学習し、従来ひとの判断やルールベースで行ってきた意思決定を自動化、高精度化することで、様々な産業の生産性向上に寄与し、私達の生活を豊かにしてきました。私達の社会にとってなくてはならない技術領域のひとつになっています。 一方、そうした機械学習の自動判断において、結果的に差別的な振る舞いをしてしまったり、お客さまに不愉快な体験をさせてしまったりといった、社会にネガティブな影響を与えてしまう事案も発生しています。この記事で具体的な事例をと
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く