CATEGORY

Fairness

1548
  • 論文研究

Report Cards（自然言語要約を用いた言語モデルの定性的評価） Report Cards: Qualitative Evaluation of Language Models Using Natural Language Summaries

田中専務拓海先生、最近の言語モデルの評価って数字だけではよく分からないと聞きました。本当でしょうか。うちの現場で導入検討する際に、どこを見れば良いのか悩んでおります。AIメンター拓海素晴らしい着眼点ですね！結論を先に言うと、数字だけのベンチマークはモデルの本当の使い勝手を伝えないことが多

  • LLM
  • , Evaluation
  • , Fairness
  • 論文研究

グラフ表現学習のバイアス除去と情報ボトルネック（Debiasing Graph Representation Learning based on Information Bottleneck）

田中専務拓海先生、最近部下から「グラフニューラルネットワーク（GNN）が顧客データで偏った判断をする」と聞いて不安になりました。要するに、うちの与信審査で差別が起きる可能性があるということですか。AIメンター拓海素晴らしい着眼点ですね！大丈夫、まず結論を先に言うと、この論文はグラフデータ

  • Fairness
  • , Bias
  • , auto-encoder
  • 論文研究

包括的公平性指標（Comprehensive Equity Index (CEI): Definition and Application to Bias Evaluation in Biometrics）

田中専務拓海さん、最近部下から「顔認証が一部の人に不利だ」と聞いて困っているんです。何を基準に調べればよいのか、そもそも公平性をどう数値化するかがわからなくて。AIメンター拓海素晴らしい着眼点ですね！大丈夫、一緒に整理しましょう。要点は三つです：どの指標で比較するか、分布のどの部分を重視

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

反事実的公平性を両予測で担保する考え方（Counterfactual Fairness by Combining Factual and Counterfactual Predictions）

田中専務拓海さん、最近若手が『反事実的公平性』って論文を持ってきて、導入すべきか聞かれたんですが、正直言って何をどう評価すればいいかわかりません。まず結論をくださいませんか。AIメンター拓海素晴らしい着眼点ですね！結論を先に述べると、この研究は「モデルの予測を現実（factual）と仮想

  • Fairness
  • , Machine learning
  • 論文研究

心停止の行方を読み解く：機械学習で未来のリスクを可視化する（Deciphering Cardiac Destiny: Unveiling Future Risks Through Cutting-Edge Machine Learning Approaches）

田中専務拓海先生、最近部署で『心停止を予測するAI』の話が出てきましてね。正直、うちのような現場にどれだけ役に立つのか見当がつかないんです。要するに導入すれば救える命が増えるんですか？AIメンター拓海素晴らしい着眼点ですね！大丈夫、端的に言うと『救命確率の低い兆候を早く見つける』ことが期

  • Fairness
  • , Machine learning
  • 論文研究

リトリーバル向け埋め込みの軽量非パラメトリック微調整（NUDGE: Lightweight Non-Parametric Fine-Tuning of Embeddings for Retrieval）

田中専務拓海さん、最近うちの部署で「埋め込み（embedding）」って言葉がやたら出てきましてね。若手からは検索や問い合わせの精度を上げるには埋め込みを調整すべきだと。正直、モデルを丸ごと学び直すとかは勘弁してほしいんです。で、NUDGEという手法が良いらしいと聞いたんですが、これって要するに

  • LLM
  • , Evaluation
  • , Fairness
  • 論文研究

最小表現水準を満たす公平なクラスタリング（Fair Minimum Representation Clustering via Integer Programming）

田中専務拓海先生、最近部下からクラスタリングという言葉をよく聞くのですが、我々の現場でどう役立つのかが掴めません。今回の論文は何を変えるのでしょうか。AIメンター拓海素晴らしい着眼点ですね！クラスタリングはデータを似たもの同士で切り分ける手法ですが、この論文は「少数派が実際に利益を得られ

  • Fairness
  • 論文研究

機械学習入門（Introduction to Machine Learning）

田中専務拓海さん、最近部下から「機械学習を導入すべきだ」と言われて困っております。そもそも機械学習って、うちの現場にどう効くものですか。AIメンター拓海素晴らしい着眼点ですね！大丈夫、一緒に整理していきましょう。まず結論だけ先に言うと、機械学習は過去のデータから規則性を見つけ、未来の判断

  • Fairness
  • , Machine learning
  • 論文研究

顔認識における実データと合成データのバランスが精度と公平性に与える影響（The Impact of Balancing Real and Synthetic Data on Accuracy and Fairness in Face Recognition）

田中専務拓海さん、この論文って要するに合成の顔写真を混ぜればデータが増えてAIが賢くなるって話ですか？現場にも導入できるものでしょうか。AIメンター拓海素晴らしい着眼点ですね！まず結論を三つで整理しますよ。1) 合成データは精度改善に寄与することがある、2) すべての合成手法が同等ではな

  • Diffusion Model
  • , Evaluation
  • , Fairness
  • , Bias
  • , Deep Learning
  • 論文研究

深層ニューラルネットワークの公平性の認証と定量化（FairQuant: Certifying and Quantifying Fairness of Deep Neural Networks）

田中専務拓海さん、最近『FairQuant』って論文の話を聞いたんですが、実務にとってどういう意味があるんでしょうか。うちみたいな製造業で検討する価値はありますか。AIメンター拓海素晴らしい着眼点ですね！FairQuantは「ある属性だけが違うはずの二人が同じ扱いを受けるか」を機械学習モ

  • Fairness
  • , Neural Networks