CATEGORY

Fairness

1620
  • 論文研究

パイロット汚染認識トランスフォーマーによるセルフ・マスィブMIMOネットワークのダウンリンク出力制御（Pilot Contamination Aware Transformer for Downlink Power Control in Cell-Free Massive MIMO Networks）

田中専務拓海先生、最近うちの若手から「CFmMIMOの論文が良い」と言われたのですが、正直何がそんなに違うのかよく分かりません。投資対効果の観点でざっくり教えていただけますか。AIメンター拓海素晴らしい着眼点ですね！大丈夫です、田中専務。要点を先に3つでお伝えします。1）パイロット汚染を

  • Fairness
  • 論文研究

フェデレーテッド推薦におけるジェンダー公平性を保証するプライバシー保護直交集約（Privacy-Preserving Orthogonal Aggregation for Guaranteeing Gender Fairness in Federated Recommendation）

田中専務拓海先生、最近部下から「フェデレーテッドラーニングを使えばプライバシーを守りつつ推薦精度が上がる」と言われまして、だがウチは男女比が偏っていて、もし多数派に引っ張られたら困るんです。これって要するに少数派の好みが潰されるリスクもあるということですか？AIメンター拓海素晴らしい着眼

  • Fairness
  • 論文研究

公平性ギャップを埋める：(条件付き)距離共分散による公平性学習の視点（Bridging Fairness Gaps: A (Conditional) Distance Covariance Perspective in Fairness Learning）

田中専務拓海先生、最近部下から「公平性（fairness）を考えたAIにしないとまずい」と急に言われましてね。どこから手を付けるべきか、さっぱり見当が付きません。要するに何を直せばいいんでしょうか。AIメンター拓海素晴らしい着眼点ですね！大丈夫、順を追って説明しますよ。今日は「予測と敏感

  • Fairness
  • 論文研究

ルックアヘッド反事実的公平性（Lookahead Counterfactual Fairness）

田中専務拓海先生、最近部下から“公平性のあるAI”を導入すべきだと聞きまして、論文も読めば分かると言われたのですが、正直よく分からないのです。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！大丈夫、一緒に整理しましょう。今回は単に今の予測が公平かを問うだけでなく、

  • Fairness
  • , Machine learning
  • 論文研究

ラショーモン効果と変数重要度の測定—複数のモデルが1つより有利である理由（Rashomon effect in Educational Research: Why More is Better Than One for Measuring the Importance of the Variables?）

田中専務拓海さん、最近『ラショーモン効果』という言葉を聞きましたが、うちの現場で何か使えるものなのでしょうか。部下から「変数の重要度をAIで見よう」と言われて戸惑っています。AIメンター拓海素晴らしい着眼点ですね！ラショーモン効果とは、データから作られる説明が一つに定まらず、複数のほぼ同

  • Fairness
  • 論文研究

多目的深層学習の分類と網羅的調査（Multi-objective Deep Learning: Taxonomy and Survey of the State of the Art）

田中専務拓海先生、最近『多目的深層学習』という言葉を聞くのですが、私のような現場寄りの経営者にはピンと来ません。要するに何が変わるのか端的に教えていただけますか。AIメンター拓海素晴らしい着眼点ですね！大丈夫、簡単にまとめると三点です。第一に、従来のAIは一つの目標だけを追うが、多目的深

  • Gradient Descent
  • , Reinforcement Learning
  • , Fairness
  • , Deep Learning
  • 論文研究

公平な分類のためのJuliaパッケージ（FairML: A Julia Package for Fair Classification）

田中専務拓海先生、最近部署で『公平性』という言葉がよく出るのですが、学術的にはどんな話なんでしょうか。正直、私には難しそうでして。AIメンター拓海素晴らしい着眼点ですね！公平性（fairness）について整理しますよ。大丈夫、難しく見えますが順を追えば理解できるんです。田中専務今

  • Fairness
  • , Classification
  • 論文研究

属性情報なしで公平性を実現する手法（Fairness without Demographics through Learning Graph of Gradients）

田中専務拓海さん、最近部署で「データに人種や性別の属性がないと公平性を担保できない」と聞いて困っているんです。そんな中でこの論文が話題だと。要するに、属性がなくても公平性が担保できるとでも言うんですか？AIメンター拓海素晴らしい着眼点ですね！大丈夫、属性情報がなくても不公正を減らすことは

  • Fairness
  • 論文研究

反事実的公平性に向けた補助変数の活用（TOWARDS COUNTERFACTUAL FAIRNESS THROUGH AUXILIARY VARIABLES）

田中専務拓海先生、最近うちの若手が「反事実的公平性が大事です」と言い出して、正直何を言っているのかよく分かりません。要するに何が問題で、会社に関係ある話ですか？AIメンター拓海素晴らしい着眼点ですね！反事実的公平性（Counterfactual Fairness）とは、ある個人に対する予

  • Fairness
  • 論文研究

社会的に公平な低ランク近似と列部分集合選択（On Socially Fair Low-Rank Approximation and Column Subset Selection）

田中専務拓海さん、うちの若手が「公平な低ランク近似」という論文を読めばいいって言うんですが、正直何が会社に役立つのかつかめません。要点を教えてください。AIメンター拓海素晴らしい着眼点ですね！この論文は、データを低次元にまとめる技術の中で、グループごとの不公平さを最小化することを目的とし

  • Fairness