文献

J-GLOBAL ID：202002282448122678   整理番号：20A2580891

Fairway:公平なMLソフトウェアを構築する方法【JST・京大機械翻訳】

Fairway: a way to build fair ML software

著者 (4件)： Chakraborty Joymallya (North Carolina State University, USA) ,  Majumder Suvodeep (North Carolina State University, USA) ,  Yu Zhe (North Carolina State University, USA) ,  Menzies Tim (North Carolina State University, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： ESEC/FSE 2020  ページ： 654-665  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 機械学習ソフトウェアは,人々の生活に影響する決定を行うためにますます使用されている。しかし,時々,このソフトウェアのコア部(学習モデル)は,人々の特定のグループ(それらのグループが性,人種などによって決定される)に不当な利点を与える偏った方法で行動する。AIソフトウェアシステムにおけるこの「アルゴリズム識別」は,機械学習とソフトウェア工学コミュニティにおける重大な懸念事項となっている。ソフトウェアシステムにおける「アルゴリズムバイアス」または「倫理バイアス」を見つける研究が行われている。バイアスがAIソフトウェアシステムにおいて検出されると,バイアスの緩和は非常に重要である。本研究では,訓練データにおけるグランドトルースバイアスが機械学習モデル公平性にどのように影響し,AIソフトウェア,b)のバイアスが,訓練データと訓練されたモデルから倫理的バイアスを除去する前処理と処理手法を組み合わせた方法Fairwayをいかに見つけるかを,明らかにする。その結果,著者らは,そのモデルの予測性能を大きく損なうことなく,学習モデルにおいてバイアスを発見でき,バイアスを緩和することができることを示した。(1)バイアスと(2)バイアス緩和のテストは,機械学習ソフトウェア開発ライフサイクルの日常的部分であるべきであることを提案した。フェアウェイは,これらの2つの目的のための多くのサポートを提供する。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  学習モデル ,  ライフサイクル ,  前処理 ,  コミュニティ ,  緩和現象 ,  *ソフトウェア ,  ソフトウェア工学 ,  バイアス ,  ソフトウェア開発 ,  機械学習 ,  公平性
準シソーラス用語： 訓練データ ,  グランドトゥルース ,  ソフトウェアシステム , 【Automatic Indexing@JST】

著者キーワード (3件)： Bias軽減 ,  公平性メトリックス ,  ソフトウェア公平性

分類 (2件)： 人工知能  (JE08000Z) ,  計算機システム開発  (JD02010R)

タイトルに関連する用語 (3件)： ML ,  ソフトウェア ,  構築