抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
デファー(L2D)フレームワークの学習はAIシステムをより安全にする可能性を有する。与えられた入力に対して,このシステムは,人間が正しい行動を取るためのモデルよりも,人間に対する決定をデファーできる。L2Dシステムの較正を研究し,確率が出力であるかどうかを調査した。モザンナー&Sontagの(2020)マルチクラスフレームワークは専門家の正しさに関して較正されないことを見出した。さらに,この目的のために縮退するパラメータ化により妥当な確率を生成することは保証されていない。エキスパートの正当性の較正確率を生成できる1対全分類器に基づくL2Dシステムを提案した。さらに,著者らの損失関数は,モザンナー&Sontagの(2020)のようなマルチクラスL2Dに対する一貫した代理である。著者らの実験は,このシステムが較正されるだけでなく,この利益が精度のコストにならないことを検証した。著者らのモデルの精度は,皮膚病変の診断に対して,hate音声検出から銀河分類までのタスクにおけるMoznar&Sontagの(2020)モデルに対して,常に同等(およびしばしば優れている)である。【JST・京大機械翻訳】