透明性の形としての不確実性:測定,通信,および不確実性の利用【JST・京大機械翻訳】

Bhatt Umang; Antoran Javier; Zhang Yunfeng; Liao Q. Vera; Sattigeri Prasanna; Fogliato Riccardo; Melancon Gabrielle Gauthier; Krishnan Ranganath; Stanley Jason; Tickoo Omesh; Nachman Lama; Chunara Rumi; Srikumar Madhulika; Weller Adrian; Xiang Alice

プレプリント

J-GLOBAL ID：202202210291742229 整理番号：21P0061333

透明性の形としての不確実性:測定,通信,および不確実性の利用【JST・京大機械翻訳】

Uncertainty as a Form of Transparency: Measuring, Communicating, and Using Uncertainty

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (15件)： , , , , , , , , , , , , , ,
資料名：
発行年： 2020年11月15日プレプリントサーバーでの情報更新日： 2021年05月04日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

アルゴリズム透明性は,予測,改善,および試験予測を含む目的で,様々な利害関係者にシステム特性を曝露する。現在まで,アルゴリズム透明性へのほとんどの研究は,主に説明可能性に焦点を合わせている。説明可能性は,ステークホルダーに対する機械学習モデル挙動の理由を提供する試みである。しかし,モデルの特定行動のみの理解は,モデルが誤っているか,または手でタスクを解決するための十分な知識を欠いているかどうかを測る利害関係者にとって十分ではないかもしれない。本論文では,モデル予測に関連する不確実性を推定し,通信することにより,透明性の相補的形式を考察することを論じた。最初に,不確実性を評価する方法を論じた。次に,不確実性がモデル不公平性を緩和し,意思決定を強化し,信頼できるシステムを構築するのに使用できるかを特徴づけた。最後に,利害関係者に不確実性を示す方法を概説し,既存のMLパイプラインに不確実性を組み込むために必要な情報を収集する方法を推奨した。本研究は,機械学習,可視化/HCI,設計,意思決定,および公平性の文献から描かれた学際的レビューを構成する。透明性の形式として不確実性を測定し,コミュニケーションし,使用するための研究者と実務者を奨励することを目指した。【JST・京大機械翻訳】

, , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能 , 生体系モデル一般 , 河川調査・計画 , 心理学一般

, ,

前のページに戻る