CATEGORY

Fairness

1620
  • 論文研究

連続的処置に対するアップリフトモデリング：予測して最適化するアプローチ（Uplift modeling with continuous treatments: A predict-then-optimize approach）

田中専務拓海先生、最近部下から「アップリフトモデリング」を導入すべきだと迫られているのですが、うちのような現場でも役に立つものでしょうか。正直、バイナリの割り当てだけでなく、投与量や割引率みたいに連続値で最適化できると聞いて混乱しています。AIメンター拓海素晴らしい着眼点ですね！大丈夫、

  • Fairness
  • 論文研究

記憶化はいつ公平性を改善するか（When Can Memorization Improve Fairness?）

田中専務拓海さん、この論文って要するに「記憶させると不公平さが直せることがある」という話ですか？うちの現場でどういう意味があるのか、実務的にまず教えてください。AIメンター拓海素晴らしい着眼点ですね！大丈夫、要点はシンプルです。今回の論文は、モデルが一部のデータをまるごと覚える（memo

  • Fairness
  • 論文研究

コンピュータビジョンと自然言語処理モデルの公平性分析（Analyzing Fairness of Computer Vision and Natural Language Processing Models）

田中専務拓海先生、最近うちの現場でも「AIの公平性」って言葉が出てきましてね。部下に言われて困っているのですが、論文を読めと言われても分からなくて……要点を教えてもらえますか。AIメンター拓海素晴らしい着眼点ですね！大丈夫、一緒にやれば必ずできますよ。今回はコンピュータビジョンと自然言語

  • Computer Vision
  • , Fairness
  • , Bias
  • 論文研究

グラフにおけるセンシティブ属性なしの反事実で公平なGNNを目指す（Towards Fair Graph Neural Networks via Graph Counterfactual without Sensitive Attributes）

田中専務拓海先生、最近うちの若手が「公正（フェア）なグラフ学習が重要だ」と言うんですが、正直ピンと来ないんです。要点を簡単に教えてくださいませんか。AIメンター拓海素晴らしい着眼点ですね！要点は三つです。まず、Graph Neural Networks (GNN)（グラフニューラルネット

  • Fairness
  • , Neural Networks
  • 論文研究

マルチキャリブレーションの視点から見直す補間ベースのデータ拡張（Who’s the (Multi-)Fairest of Them ALL: Rethinking Interpolation-Based Data Augmentation Through the Lens of Multicalibration）

田中専務拓海先生、最近部下から『データ拡張で公平性が改善される』って聞きまして、現場で投資すべきか悩んでおります。要するにデータを増やせば不公平が減るという理解で良いのでしょうか。AIメンター拓海素晴らしい着眼点ですね！大まかにはその通りです。ただ、どんな『増やし方』をするかで結果は全く

  • Fairness
  • 論文研究

画像分類における一般化手法がプライバシー・有用性・公平性の相互作用に与える影響 (The Impact of Generalization Techniques on the Interplay Among Privacy, Utility, and Fairness in Image Classification)

田中専務拓海さん、最近部署で「プライバシー優先でAIを入れろ」と若手が言うのですが、精度が落ちるって話も聞きます。要するに安全にして精度も担保できる方法があるのですか。AIメンター拓海素晴らしい着眼点ですね！大丈夫です、端的に言うと完璧な答えはないが、一般化（generalization

  • Fairness
  • , Classification
  • 論文研究

シーケンシャルレコメンデーションのサーベイ（A Survey on Sequential Recommendation）

田中専務拓海さん、最近部下から「シーケンシャルレコメンデーションが重要だ」と言われまして、正直言ってピンと来ないのですが、要するに何が変わるのでしょうか。AIメンター拓海素晴らしい着眼点ですね！大丈夫です、田中専務。まず結論を3つでまとめますよ。1) 利用履歴の順序を生かして次の行動を当

  • LLM
  • , Continual Learning
  • , Fairness
  • 論文研究

公平性と性能のトレードオフに対するデータ準備の実務的代替案（Data Preparation for Fairness-Performance Trade-Offs: A Practitioner-Friendly Alternative?）

田中専務拓海先生、お忙しいところ失礼します。AIの公平性という話を部下から聞きまして、現場に入れるべきか迷っております。ぶっちゃけ、投資対効果（ROI）が見えないと踏み切れないのです。AIメンター拓海素晴らしい着眼点ですね！公平性（fairness）と性能（performance）の両立

  • Fairness
  • , Bias
  • 論文研究

河川ネットワークにおける水温予測のための物理指導された公平なグラフサンプリング（Physics-Guided Fair Graph Sampling for Water Temperature Prediction in River Networks）

1. 概要と位置づけ結論を先に述べると、本研究は河川ネットワークに対する水温予測で、物理法則を手がかりにグラフの重要なつながりだけを選び取ることで、予測精度を落とさずに地域間の予測バイアスを低減する点で革新的である。従来の機械学習モデルは観測データが偏ると特定地域で性能が落ちやすいが、本研究は物理

  • Fairness
  • , Bias
  • 論文研究

皮膚科診断における公平性向上のためのドメイン増分学習（FairDD: Enhancing Fairness with domain-incremental learning in dermatological disease diagnosis）

田中専務拓海さん、最近部署で「AIを公平にする技術」を導入したらどうかと話が出ましてね。正直、何が変わるのかイメージが湧かないんです。要するに、現場で役立つものでしょうか？AIメンター拓海素晴らしい着眼点ですね！大丈夫、簡単に整理できますよ。今回の論文は皮膚科画像診断で、いくつかの属性（

  • Fairness