一般化中立化バウンドを伴う中和型経験的リスク最小化（Neutralized Empirical Risk Minimization with Generalization Neutrality Bound）
田中専務拓海さん、最近部下が「公平なAIが必要だ」と騒ぐんですが、具体的に何が新しいのか分からなくて困っています。今回の論文は何を変えるものですか？AIメンター拓海素晴らしい着眼点ですね！この論文は「学習モデルがある視点（viewpoint）に偏らないように学習する仕組み」を数学的に定め
Fairness
1547LambdaMARTを行列分解で拡張したコールドスタート推薦（Factorizing LambdaMART for Cold Start Recommendations）
田中専務拓海先生、最近部下から『コールドスタート問題』って言葉をよく聞くのですが、正直よく分かりません。今回の論文がその解決に効くと聞きまして、要点を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！端的に言うと、この論文はランキング学習手法のLambdaMARTを、ユーザー
変分フェアオートエンコーダ（The Variational Fair Autoencoder）
田中専務拓海先生、最近部下が「公平性（fairness）を考慮した表現学習の論文がある」と騒いでまして、何が画期的なのか分からず困っております。要点を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！この研究は「データ中の敏感な情報（年齢・性別など）に依存しない内部表現を学ぶ
間接差別の測定に関するサーベイ（A survey on measuring indirect discrimination in machine learning）
田中専務拓海先生、最近「差別に気を付けろ」と部下から聞かされるのですが、そもそも機械学習が差別するってどういうことなんでしょうか。うちの現場でどれだけ気にする必要があるのか、正直ピンと来ておりません。AIメンター拓海素晴らしい着眼点ですね！まずは要点だけお伝えしますよ。機械学習モデルが差
好みは熱い ― 視覚的ガイダンスによる嗜好予測（Some like it hot – visual guidance for preference prediction）
田中専務拓海先生、最近部下から『画像で相手の好みが分かるらしい』って聞いたんですが、本当にそんなことができるんですか。うちで使うとしたら何が変わるのか、まず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！要点を先に言うと、視覚情報（写真）があると、個別の嗜好を予測できる精度
モバイルセンシングに群衆知が出会う：ソーシャルネットワークの視点（When Crowdsourcing Meets Mobile Sensing: A Social Network Perspective）
田中専務拓海先生、最近うちの若手が「モバイルセンシングを使えば現場の情報が即座に取れる」と言うんですが、正直ピンと来なくて。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！大丈夫、簡単に整理しますよ。モバイルセンシング（mobile sensing）は、社員や顧客
空間ランダムアクセス無線ネットワークにおけるスペクトラム共有の分散学習アルゴリズム（Distributed Learning Algorithms for Spectrum Sharing in Spatial Random Access Wireless Networks）
田中専務拓海先生、ウチの若手が「分散学習でスペクトラム共有を最適化する論文がある」と言うのですが、正直ピンと来ません。要するに何ができるようになるのか端的に教えてください。AIメンター拓海素晴らしい着眼点ですね！大丈夫です、端的に言うと「近くの無線機同士がぶつからないよう、自分で賢くチャ
公平性制約：分類のためのメカニズム（Fairness Constraints: Mechanisms for Fair Classification）
田中専務拓海先生、最近うちの若手から「AIは公平性が問題だ」と聞きまして、どういうことか全然ピンと来ません。要は便利なら導入すればいいのではないのですか。AIメンター拓海素晴らしい着眼点ですね！大丈夫、一緒に整理すれば必ず理解できますよ。今回扱う論文は、機械学習の判断が特定のグループに不
少ないラベルで学べる最小限生成ネットワーク（Neural Simpletrons – Minimalistic Directed Generative Networks for Learning with Few Labels）
田中専務拓海先生、最近うちの若手が「ラベルが少なくても学習できるモデルがある」と言ってきまして、正直ピンと来ないのですが、これは本当に使える技術なんでしょうか。AIメンター拓海素晴らしい着眼点ですね！大丈夫、これはよくある不安です。要点はシンプルで、「少ない正解（ラベル）でも、正解のない
f-ダイバージェンスを用いた普遍的依存性制約による公正性配慮学習（Fairness-Aware Learning with Restriction of Universal Dependency using f-Divergences）
田中専務拓海先生、最近うちの部長が『公正性（fairness）を考えた学習が必要だ』と言い出しまして、正直何をどうすればいいのか見当がつきません。要するに、AIが性別や年齢で差別しないようにする技術の話ですよね？AIメンター拓海素晴らしい着眼点ですね！公正性を考える学習はまさにその通りで