Fugu-MT 論文翻訳(概要): The Impossibility Theorem of Machine Fairness -- A Causal Perspective

論文の概要: The Impossibility Theorem of Machine Fairness -- A Causal Perspective

arxiv url: http://arxiv.org/abs/2007.06024v2
Date: Fri, 29 Jan 2021 22:45:07 GMT
ステータス: 処理完了
システム内更新日: 2022-11-11 05:12:18.713397
Title: The Impossibility Theorem of Machine Fairness -- A Causal Perspective
Title（参考訳）: マシンフェアネスの不確実性定理--因果的視点
Authors: Kailash Karthik Saravanakumar
Abstract要約: コミュニティで使用されるマシンフェアネスの目立った指標は3つある。それら全てを同時に満たすことは不可能であることが統計的に示されている。
参考スコア（独自算出の注目度）: 0.15229257192293202
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: With the increasing pervasive use of machine learning in social and economic settings, there has been an interest in the notion of machine bias in the AI community. Models trained on historic data reflect biases that exist in society and propagated them to the future through their decisions. There are three prominent metrics of machine fairness used in the community, and it has been shown statistically that it is impossible to satisfy them all at the same time. This has led to an ambiguity with regards to the definition of fairness. In this report, a causal perspective to the impossibility theorem of fairness is presented along with a causal goal for machine fairness.
Abstract（参考訳）: 社会的および経済的環境における機械学習の普及に伴い、AIコミュニティにおける機械学習バイアスの概念への関心が高まっている。歴史的データに基づいてトレーニングされたモデルは、社会に存在するバイアスを反映し、彼らの決定を通じて未来に広める。コミュニティではマシンフェアネスの3つの顕著な指標があり、これらすべてを同時に満たすことは不可能であることが統計的に示されている。これは公平性の定義に関する曖昧さにつながった。本稿では, 不合理性定理に対する因果的視点と, マシンフェアネスの因果的目標について述べる。

関連論文リスト

Fairness-Accuracy Trade-Offs: A Causal Perspective [58.06306331390586]
我々は、初めて因果レンズから公正性と正確性の間の張力を分析する。因果的制約を強制することは、しばしば人口集団間の格差を減少させることを示す。因果制約付きフェアラーニングのための新しいニューラルアプローチを導入する。
論文参考訳（メタデータ） (2024-05-24T11:19:52Z)
Learning for Counterfactual Fairness from Observational Data [62.43249746968616]
公正な機械学習は、人種、性別、年齢などの特定の保護された(感受性のある)属性によって記述されるある種のサブグループに対して、学習モデルのバイアスを取り除くことを目的としている。カウンターファクトフェアネスを達成するための既存の手法の前提条件は、データに対する因果モデルの事前の人間の知識である。本研究では,新しいフレームワークCLAIREを提案することにより,因果関係を付与せずに観測データから対実的に公正な予測を行う問題に対処する。
論文参考訳（メタデータ） (2023-07-17T04:08:29Z)
Toward A Logical Theory Of Fairness and Bias [12.47276164048813]
公正定義の形式的な再構築を主張する。我々は、無意識による公平さ、人口的平等、そして反事実公正という3つの概念を考察する。
論文参考訳（メタデータ） (2023-06-08T09:18:28Z)
The Flawed Foundations of Fair Machine Learning [0.0]
統計的に正確な結果と類似した結果とのトレードオフが存在することを示す。本稿では,統計的に正確な結果とグループ類似の結果の関係を理解する上で,研究者やデザイナーを支援するための概念実証手法を提案する。
論文参考訳（メタデータ） (2023-06-02T10:07:12Z)
DualFair: Fair Representation Learning at Both Group and Individual Levels via Contrastive Self-supervision [73.80009454050858]
この研究は、DualFairと呼ばれる自己教師型モデルを提示し、学習された表現から性別や人種などのセンシティブな属性をデバイアスすることができる。我々のモデルは、グループフェアネスと対実フェアネスという2つのフェアネス基準を共同で最適化する。
論文参考訳（メタデータ） (2023-03-15T07:13:54Z)
Fairness in Matching under Uncertainty [78.39459690570531]
アルゴリズム的な二面市場は、こうした設定における公平性の問題に注意を向けている。我々は、利益の不確実性を尊重する両面の市場設定において、個々人の公正性の概念を公理化する。そこで我々は,配当よりも公平なユーティリティ最大化分布を求めるために,線形プログラミングフレームワークを設計する。
論文参考訳（メタデータ） (2023-02-08T00:30:32Z)
Fairness and Randomness in Machine Learning: Statistical Independence and Relativization [10.482805367361818]
我々は、機械学習で日常的に使われている公平性とランダム性の概念における統計的独立性の役割を識別する。我々は、ランダム性と公正性は、機械学習におけるモデリング仮定として、その性質を反映すべきであると主張している。
論文参考訳（メタデータ） (2022-07-27T15:55:05Z)
Identifiability of Causal-based Fairness Notions: A State of the Art [4.157415305926584]
機械学習アルゴリズムは、偏見のある結果/予測を生成することができ、通常は少数派や少数民族に対するものである。本論文は,機械学習の公正性に特に関係する主要な識別可能性の結果をまとめたものである。
論文参考訳（メタデータ） (2022-03-11T13:10:32Z)
The zoo of Fairness metrics in Machine Learning [62.997667081978825]
近年,機械学習(ML)と自動意思決定における公平性の問題が注目されている。 MLにおける公平性の定義の多様さが提案され、人口の個人に影響を与える状況において「公正な決定」とは何かという異なる概念が検討されている。本研究では、この定義の動物園からある程度の順序付けを試みる。
論文参考訳（メタデータ） (2021-06-01T13:19:30Z)
Statistical Equity: A Fairness Classification Objective [6.174903055136084]
エクイティの原則によって動機付けられた新しい公平性の定義を提案する。フェアネスの定義を形式化し、適切な文脈でモチベーションを与えます。我々は、定義の有効性を示すために、複数の自動評価と人的評価を行う。
論文参考訳（メタデータ） (2020-05-14T23:19:38Z)
On Consequentialism and Fairness [64.35872952140677]
機械学習におけるフェアネスの共通定義について、逐次的批判を行う。学習とランダム化の問題に関するより広範な議論で締めくくります。
論文参考訳（メタデータ） (2020-01-02T05:39:48Z)

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。