論文の概要: Impact of Legal Requirements on Explainability in Machine Learning
- arxiv url: http://arxiv.org/abs/2007.05479v1
- Date: Fri, 10 Jul 2020 16:57:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-11 21:22:49.659356
- Title: Impact of Legal Requirements on Explainability in Machine Learning
- Title(参考訳): 機械学習における説明可能性に及ぼす法的要件の影響
- Authors: Adrien Bibal, Michael Lognoul, Alexandre de Streel and Beno\^it
Fr\'enay
- Abstract要約: 本研究では,私的および公的な意思決定に課される説明義務と,機械学習技術による実施方法について分析する。
特に、欧州の法律が課す説明可能性の要件と機械学習(ML)モデルへの影響について分析した。
- 参考スコア(独自算出の注目度): 63.24965775030674
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The requirements on explainability imposed by European laws and their
implications for machine learning (ML) models are not always clear. In that
perspective, our research analyzes explanation obligations imposed for private
and public decision-making, and how they can be implemented by machine learning
techniques.
- Abstract(参考訳): 欧州の法律が課した説明可能性の要件と機械学習(ML)モデルへの含意は必ずしも明確ではない。
そこで本研究では,私的および公的な意思決定に課される説明義務と,それを機械学習によってどのように実施できるかを分析する。
関連論文リスト
- Position Paper: Bridging the Gap Between Machine Learning and
Sensitivity Analysis [9.738977492233628]
我々は、機械学習モデル(ML)の解釈を感度分析(SA)の一形態と見なすことができると論じている。
我々は、研究者と実践者の両方に対処し、MLにおけるSAベースの説明の統一的見解の利点に注意を向ける。
論文 参考訳(メタデータ) (2023-12-20T17:59:11Z) - Explaining by Imitating: Understanding Decisions by Interpretable Policy
Learning [72.80902932543474]
観察されたデータから人間の行動を理解することは、意思決定における透明性と説明責任にとって重要である。
意思決定者の方針をモデル化することが困難である医療などの現実的な設定を考えてみましょう。
本稿では, 設計による透明性の向上, 部分観測可能性の確保, 完全にオフラインで動作可能なデータ駆動型意思決定行動の表現を提案する。
論文 参考訳(メタデータ) (2023-10-28T13:06:14Z) - Explainability for Large Language Models: A Survey [59.67574757137078]
大規模言語モデル(LLM)は、自然言語処理における印象的な能力を示している。
本稿では,トランスフォーマーに基づく言語モデルを記述する手法について,説明可能性の分類法を紹介した。
論文 参考訳(メタデータ) (2023-09-02T22:14:26Z) - Unveiling the Potential of Counterfactuals Explanations in Employability [0.0]
本稿では,機械学習アルゴリズムに関わる雇用性関連問題に対して,その対策が適用可能であることを示す。
提示されたユースケースは、説明として反事実の応用以上のものだ。
論文 参考訳(メタデータ) (2023-05-17T09:13:53Z) - Evaluating explainability for machine learning predictions using
model-agnostic metrics [0.0]
本稿では,その特徴からAIモデル予測が容易に説明できる程度を定量化する新しい指標を提案する。
我々のメトリクスは、説明可能性の異なる側面をスカラーに要約し、モデル予測のより包括的な理解を提供する。
論文 参考訳(メタデータ) (2023-02-23T15:28:36Z) - Panoramic Learning with A Standardized Machine Learning Formalism [116.34627789412102]
本稿では,多様なMLアルゴリズムの統一的な理解を提供する学習目的の標準化された方程式を提案する。
また、新しいMLソリューションのメカニック設計のガイダンスも提供し、すべての経験を持つパノラマ学習に向けた有望な手段として機能する。
論文 参考訳(メタデータ) (2021-08-17T17:44:38Z) - Explainable Machine Learning for Fraud Detection [0.47574189356217006]
大規模なデータセットの処理をサポートする機械学習の応用は、金融サービスを含む多くの業界で有望である。
本稿では,監視モデルと非監視モデルの両方において,適切なバックグラウンドデータセットとランタイムトレードオフの選択を検討し,リアルタイム不正検出の領域における説明可能性について検討する。
論文 参考訳(メタデータ) (2021-05-13T14:12:02Z) - Individual Explanations in Machine Learning Models: A Survey for
Practitioners [69.02688684221265]
社会的関連性の高い領域の決定に影響を与える洗練された統計モデルの使用が増加しています。
多くの政府、機関、企業は、アウトプットが人間の解釈可能な方法で説明しにくいため、採用に消極的です。
近年,機械学習モデルに解釈可能な説明を提供する方法として,学術文献が多数提案されている。
論文 参考訳(メタデータ) (2021-04-09T01:46:34Z) - Controlling nonlinear dynamical systems into arbitrary states using
machine learning [77.34726150561087]
機械学習(ML)を活用した,新しい完全データ駆動制御方式を提案する。
最近開発されたMLに基づく複雑なシステムの予測機能により、非線形系は任意の初期状態から来る任意の動的対象状態に留まることが証明された。
必要なデータ量が少なく,柔軟性の高いコントロールスキームを備えることで,工学から医学まで幅広い応用の可能性について簡単に議論する。
論文 参考訳(メタデータ) (2021-02-23T16:58:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。