305336記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. 人工の心的現象：AIモデルにおける知覚バイアスを検出するための精神物理学的枠組み（Artificial mental phenomena: Psychophysics as a framework to detect perception biases in AI models）
1未満 分で読了
2 views

人工の心的現象：AIモデルにおける知覚バイアスを検出するための精神物理学的枠組み

（Artificial mental phenomena: Psychophysics as a framework to detect perception biases in AI models）

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近「AIの偏りを心理学風に測る」みたいな論文を耳にしましたが、うちの現場で何が変わるんでしょうか。要するにコスト対効果はどうなるのか気になります。

AIメンター拓海

素晴らしい着眼点ですね！大丈夫、一緒に分解していけば必ず分かりますよ。結論だけ先に言うと、今回の手法は「黒箱のAIが内部でどんな偏りを持っているか」を外側から定量的に推定できるようにする枠組みなんですよ。導入で得られる利点は3つに集約できます。まず、偏りの有無を科学的に検出できること、次にその強さを比較できること、最後に複数のモデルやデータセットで一貫して使えることです。

田中専務

ええと、それは具体的にはどういう手順でやるんですか。現場のエンジニアに丸投げしても意味が伝わるでしょうか。

AIメンター拓海

良い質問です。簡単に言うと、心理学で使う「2AFC」こと Two-Alternative Forced Choice（2AFC／二者択一強制選択）を模した問いをAIに投げて、応答のばらつきや偏りを統計的に解析します。エンジニアには手順として問いを作ること、モデルに投げること、結果を集計することを渡せばよく、専務は結果の

監修者

阪上雅昭（SAKAGAMI Masa-aki）
京都大学　人間・環境学研究科　名誉教授

論文研究シリーズ
前の記事
金融業における人工知能の公平性評価
（Fairness Assessment for Artificial Intelligence in Financial Industry）
次の記事
XCloud：RESTful APIサービスを備えたAIクラウドプラットフォームの設計と実装
(XCloud: Design and Implementation of AI Cloud Platform with RESTful API Service)
関連記事
ソフトウェアテストにおける欠陥
（再）予測の影響（The Impact of Defect (Re) Prediction on Software Testing）
グラフ畳み込みネットワークにトランスフォーマーレイヤーを組み合わせた社会ベースのアイテム推薦
（Improving Graph Convolutional Networks with Transformer Layer in social-based items recommendation）
連続映像からの教師なし学習を可能にするスケーラブルな予測再帰ネットワーク
（Unsupervised Learning from Continuous Video in a Scalable Predictive Recurrent Network）
適応的誤り検出
（AED: Adaptable Error Detection for Few-shot Imitation Policy）
データセットの多様性は主張するな、測れ
（Measure Dataset Diversity, Don’t Just Claim It）
アラビア文字手話認識におけるトランスファーラーニングとトランスフォーマーの応用
（Advanced Arabic Alphabet Sign Language Recognition Using Transfer Learning and Transformer Models）
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
音声から「屋外録音」時の3D顔動作を合成する技術
（Synthesising 3D Facial Motion from “In-the-Wild” Speech）
  • 論文研究
大量のツイートに基づく市民の特徴付け
（Characterization of citizens using word2vec and latent topic analysis in a large set of tweets）
  • 論文研究
オミクスデータの統合的コンセンサスクラスタリングのための多重カーネル学習
（Multiple kernel learning for integrative consensus clustering of ’omic datasets）
  • 論文研究
生成モデルの精度と網羅性を分離して評価する手法の改良
（Improved Precision and Recall Metric for Assessing Generative Models）
  • 論文研究
SR-GANによるゼロショット学習の改良
（SR-GAN: SEMANTIC RECTIFYING GENERATIVE ADVERSARIAL NETWORK FOR ZERO-SHOT LEARNING）
  • 論文研究
継続学習の三つのシナリオ
（Three scenarios for continual learning）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む