利用者:紅い目の女の子/公平性
導入
[編集]公平性（こうへいせい、英: fairness）とは、機械学習アルゴリズムが意思決定に用いられるにあたり、先天的・後天的を問わない特徴に基づいた偏見や差別がないことを指す概念である[1]。すなわち不公平なアルゴリズムとは、その意思決定が特定の集団に偏向している[1]。
背景
[編集]機械学習技術は、2010年代以降の深層学習技術の発展を受け、急速に広く使われるようになった。その結果として、機械学習が非常に重要な意思決定を 機会学習の進展 特にDLで公平性の担保が難しくなっていること 実際の事例も挙げる
不公平につながるバイアス
[編集]公平性の定義
[編集]公平性は社会の要求に応じて定義されるもの(極端な話、女性蔑視を是とする社会であれば女性に対して不利な判断を下すAIが存在してもその社会では「公平なAI」と受け取られるだろうし、男性蔑視が是とされる社会であれば逆もしかり。したがって、どのようなバイアスが存在するのか、逆に言えば今社会がどのようなことを問題と見なしているかを踏まえないと公平性が定義できないので、解説する順序はこうするしかない)
公平性を実現するためのアプローチ
[編集]展望
[編集]脚注
[編集]注釈
[編集]出典
[編集]- ^ a b Mehrabi et al. 2021, p. 1.
参考文献
[編集]- Mehrabi, Ninareh; Morstatter, Fred; Saxena, Nripsuta; Lerman, Kristina; Galstyan, Aram (2021-07-13). “A Survey on Bias and Fairness in Machine Learning”. ACM Computing Surveys 54 (6): 115:1–115:35. arXiv:1908.09635. doi:10.1145/3457607. ISSN 0360-0300.
- Barocas, Solon、Hardt, Moritz、Narayanan, Arvind『Fairness and Machine Learning』fairmlbook.org、2019年。2022年2月2日閲覧。