CATEGORY

Fairness

1548
  • 論文研究

ギャップに注意：予測と意思決定におけるバイアス増幅への因果的視点（Mind the Gap: A Causal Perspective on Bias Amplification in Prediction & Decision-Making）

田中専務拓海さん、最近部下から「モデルの予測は公平だけど、実際の運用で差が広がる」と聞きまして、要するに何が問題なんでしょうか。AIメンター拓海素晴らしい着眼点ですね！要するに、予測モデルのスコアが公平に見えても、その後の意思決定ルール、たとえばスコアに閾値を当てて合否を決める操作で差が

  • Fairness
  • , Bias
  • 論文研究

ヘシアンフリー影響関数の再考・拡張・強化（Revisit, Extend, and Enhance Hessian-Free Influence Functions）

田中専務拓海先生、お忙しいところ恐れ入ります。最近、現場から「どのデータがモデルに悪影響を与えているか」を追跡する話が出ておりまして、論文があると聞きましたが、要するに何が新しいのでしょうか。AIメンター拓海素晴らしい着眼点ですね！今回の論文は、影響関数（Influence Functi

  • Fairness
  • 論文研究

低ランク適応（LoRA）の公平性に関する検証 — On Fairness of Low-Rank Adaptation of Large Models

田中専務拓海先生、最近部下から「LoRAが良い」と聞かされているのですが、うちの現場に入れると何が変わるのかピンと来ないんです。投資対効果や現場の混乱を心配しています。そもそもLoRAって何でしょうか。AIメンター拓海素晴らしい着眼点ですね！LoRAはLow-Rank Adaptatio

  • Continual Learning
  • , Fairness
  • 論文研究

オンライン深層学習の機会と課題（Opportunities and Challenges of Online Deep Learning）

田中専務拓海先生、最近部下から「オンライン深層学習が重要です」と言われましてね。正直、オンライン学習っていう言葉からしてピンと来ません。これって要するに何が変わるんでしょうか。AIメンター拓海素晴らしい着眼点ですね！まず結論を簡単に言うと、オンライン深層学習は「データが絶えず変わる現場で

  • Fairness
  • , Deep Learning
  • , Machine learning
  • 論文研究

ブラックボックス意思決定者の変数依存の定量化（Quantifying the Reliance of Black-Box Decision-Makers on Variables of Interest）

田中専務拓海先生、お時間よろしいでしょうか。部下から『AIが勝手に判断しているので、何に頼って決めているか分からない』と言われて困っております。要するに、AIが何を見て判断しているか数値で示せるという論文があると聞いたのですが、それは本当でしょうか。AIメンター拓海素晴らしい着眼点ですね

  • Fairness
  • 論文研究

ニューラルネットワークの確率的検証（分枝限定法を用いた） — Probabilistic Verification of Neural Networks using Branch and Bound

田中専務拓海先生、最近部署で「確率的検証」という言葉が出てきましてね。現場からは「AIは安全か？」と聞かれますが、正直ピンと来ておりません。これって現場レベルで導入を検討する価値があるのでしょうか。AIメンター拓海素晴らしい着眼点ですね！大丈夫、確率的検証は企業がAIを安心して使うための

  • Fairness
  • , Neural Networks
  • 論文研究

文化的包摂を促進する: バランスの取れた音楽推薦のための埋め込み空間最適化（Advancing Cultural Inclusivity: Optimizing Embedding Spaces for Balanced Music Recommendations）

田中専務拓海先生、最近うちの現場で「AIでおすすめを出すと特定の国や地域の曲ばかり上がる」と部下が言うんですが、そういう偏りって本当に問題になりますか？AIメンター拓海素晴らしい着眼点ですね！その現象は推薦システム（recommender systems）（推薦システム）でよくある人気偏

  • Fairness
  • , Bias
  • 論文研究

連邦学習における事後処理で達成するグループとコミュニティの公平性（Post-Fair Federated Learning: Achieving Group and Community Fairness in Federated Learning via Post-processing）

田中専務拓海さん、最近うちの部下から『フェデレーテッドラーニングを入れるべきだ』って聞かされたんですが、そもそも何が変わるんでしょうか。個人情報を守りながら学習する仕組み、とだけ聞いています。AIメンター拓海素晴らしい着眼点ですね！フェデレーテッドラーニング（Federated Lear

  • Fairness
  • 論文研究

ラベルなしで公平性を学ぶ：公正ランキングのための分布ベース学習フレームワーク（Learn to be Fair without Labels: a Distribution-based Learning Framework for Fair Ranking）

田中専務拓海先生、最近部下から「ランキングの公平性を改善する研究」があると聞きましたが、実務で何が変わるんでしょうか。正直、ラベルとか言われてもピンと来ません。AIメンター拓海素晴らしい着眼点ですね！今回の研究は「ラベルがなくても公平性を達成する」手法を提案しています。要点は三つだけで、

  • Fairness
  • 論文研究

バイアスの動態：SGD訓練におけるバイアスのダイナミクスに関する理論的洞察（Bias in Motion: Theoretical Insights into the Dynamics of Bias in SGD Training）

田中専務拓海さん、最近部下から「モデルが偏る」と言われて困っているんです。要するに、学習中に特定のデータに引っ張られて誤りが出る、という話でしょうか。AIメンター拓海素晴らしい着眼点ですね！大丈夫、決して専門外ではありませんよ。簡単に言うと、学習の途中でモデルがある特徴に過度に依存するこ

  • Fairness
  • , Bias
  • , Gradient Descent