CATEGORY

Fairness

1547
  • 論文研究

ブラジルにおけるML対応システムの要求工学の産業実践（Industrial Practices of Requirements Engineering for ML-Enabled Systems in Brazil）

田中専務拓海先生、最近うちの部下が「機械学習を入れよう」と騒いでましてね。本当に現場で使えるものか見極めたいのですが、まず何を気にすれば良いですか。AIメンター拓海素晴らしい着眼点ですね！まずはRequirements Engineering (RE) 要求工学の実務がどう変わるかを押さ

  • Fairness
  • , Machine learning
  • 論文研究

個人化顔認識のための連邦学習とインラ・サブジェクト自己教師あり学習（Federated Learning for Face Recognition via Intra-subject Self-supervised Learning）

田中専務拓海さん、最近部下から「連邦学習で顔認証をしよう」と言われまして、正直ピンと来ないのですが、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！本件はプライバシーを守りつつ各拠点ごとに顔認識を最適化する技術です。結論から言うと、中央に顔データを集めずに個別性能

  • Fairness
  • 論文研究

異種性を伴う連合学習におけるADMM：個人化・頑健性・公平性 (On ADMM in Heterogeneous Federated Learning: Personalization, Robustness, and Fairness)

田中専務拓海先生、最近部下から「連合学習を導入すべきだ」と言われましてね。うちの現場、データが各拠点でバラバラなんですが、それでも効果は見込めますか？AIメンター拓海素晴らしい着眼点ですね！大丈夫です、これから分かりやすく整理しますよ。まずは今回の論文が示すポイントを三つでまとめます。第

  • Fairness
  • 論文研究

公平な流れによる自動化された反実仮想データ増強（FairFlow: An Automated Approach to Model-based Counterfactual Data Augmentation For NLP）

田中専務拓海先生、最近社内でAIの公平性の話が出ましてね。ある論文が重要だと聞いたのですが、正直技術的な話はさっぱりでして…。これって要するに、うちの製品で差別や偏見が出ないようにする方法、という理解で合っていますか？AIメンター拓海素晴らしい着眼点ですね！大枠としてはその通りですよ。具

  • Fairness
  • 論文研究

鬱・精神衛生におけるマルチモーダル機械学習：データ、アルゴリズム、課題のサーベイ（Multimodal Machine Learning in Mental Health: A Survey of Data, Algorithms, and Challenges）

田中専務拓海さん、最近の論文で「マルチモーダル機械学習」が精神衛生に役立つって聞いたんですが、現場にどう関係するんでしょうか。うちの現場に投資する価値があるのか知りたいんです。AIメンター拓海素晴らしい着眼点ですね！まず結論を三つだけ。第一に、複数のデータ（音声、映像、文章、生体信号）を

  • Fairness
  • , Bias
  • , Machine learning
  • 論文研究

長文生成のためのマルチグループ不確実性定量化（Multi-group Uncertainty Quantification for Long-form Text Generation）

田中専務拓海さん、最近の論文で「長文生成の事実性に対する不確実性をグループ単位で評価する」って話を見かけたんですが、うちの現場にも関係ありますか。要するに生成文章の信用度を数字で示せるってことですか？AIメンター拓海素晴らしい着眼点ですね！大丈夫、結論を先に言うと「はい、生成された長文の

  • Fairness
  • 論文研究

長期的なライド配車プラットフォームの公平性（Long-term Fairness in Ride-Hailing Platform）

田中専務拓海先生、最近部下から“ライドシェアの公平性を考えろ”と言われ困っております。要するにドライバー間の稼ぎや顧客の待ち時間のばらつきをどう小さくするか、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！その通りです。今回の論文は単にその瞬間の差を縮めるだけでなく、長期的に

  • Fairness
  • 論文研究

公平性を考慮した負荷切り落としのための機械学習（Machine Learning for Fairness-Aware Load Shedding: A Real-Time Solution via Identifying Binding Constraints）

田中専務拓海先生、最近話題の論文があって、負荷切り落とし（load shedding）に機械学習を使って公平性も担保するんだとか。うちの現場にも関係ありますかね？AIメンター拓海素晴らしい着眼点ですね！結論から言うと、これは電力の緊急対応をより公平かつ高速に行う方法です。経営視点で重要な

  • Fairness
  • , Machine learning
  • 論文研究

言語モデルにおける公平性定義の解説（Fairness Definitions in Language Models Explained）

田中専務拓海さん、最近社内で「言語モデルの公平性」って話が出てるんですが、正直ピンと来なくてして。要するに導入して儲かるんでしょうか。AIメンター拓海素晴らしい着眼点ですね！まず結論を端的に言うと、公平性を考えることで法律リスクや顧客離れを減らし、長期的な収益安定につながるんです。大丈夫

  • Evaluation
  • , Fairness
  • , Bias
  • 論文研究

汎用的攻撃的発言識別に向けて（Towards Generalized Offensive Language Identification）

1.概要と位置づけ結論から述べる。本研究が最も大きく変えた点は、「攻撃的発言検出の実用性評価」において単一データセットでの高精度は意味を持たないことを明確に示し、複数データセットを跨いだ汎用性（generalizability）検証の必要性をベンチマークとして提示したことである。本稿は実務視点から

  • LLM
  • , Evaluation
  • , Fairness