AI用語集
人工知能の完全辞典
公平なリサンプリング
少数派または過少表現のグループを過剰に表現することで訓練データの分布を変更し、モデルの予測におけるアルゴリズムの格差を低減する前処理技術。
逆確率重み付け
母集団における頻度に反比例する重みを訓練例に割り当て、人口統計学的グループ間の不均衡を補正するバイアス補正方法。
公平性のための敵対的学習
主要な予測器と保護された特性に対して不変な表現を生成するように主要モデルを強制する、感度の高い属性を予測しようとする敵対者を同時に訓練するアプローチ。
公平な予測キャリブレーション
異なる人口統計学的グループ間で一貫して観察された頻度に予測確率が対応するように予測スコアを調整する後処理技術。
公平性制約付き最適化
公平性メトリクスに関する数学的制約を目的関数に直接統合し、モデルの最適化中に公平性基準の遵守を保証する訓練方法。
最適化された機会均等化
特定の損失関数またはしきい値調整を介して実装されることが多く、全体的なパフォーマンスを最大化しながらグループ間で等しい真陽性率を保証する処理技術。
調整済み人口統計的パリティ
固有の特性に関係なく、異なる人口統計学的グループ間で肯定的な予測が比例的に分散されるようにする補正方法。
因果性によるバイアス除去
予測タスクに関連する関係のみを保持しながら、バイアスを導入する因果的経路を特定し中和するために因果グラフを使用するアプローチ。
グループ不変性学習
デモグラフィックグループ間の変動に対して不変な表現を学習し、主タスクの関連情報を維持しながらモデルを訓練する技術。
適応的閾値による事後修正
訓練後に適用される手法で、グループごとに意思決定の閾値を動的に調整し、パフォーマンス指標を均衡させ、最終的な予測で公平性を保証する。
再重み付けによる格差縮小
観測された分布と公正な目標分布間の統計的発散を最小化するために、訓練インスタンスの重みを再計算する前処理技術。
公平な特徴量マスキング
訓練中に潜在的に偏った特徴量を選択的にマスキングまたは変換し、モデルが非差別的な属性に基づいて判断するよう強制する処理戦略。
選択バイアス修正
特定の人口サブグループを体系的に優先する非ランダムなサンプリングプロセスによって導入される歪みを特定し、補償する技術群。
公平性攻撃に対する堅牢な学習
バイアスを増幅するように設計された敵対的な例を統合し、モデルの公平性を低下させることを目的とした操作に対する耐性を強化する訓練方法論。
反実性によるデバイアシング
感応性の高い属性を変更する反実例を生成し、モデルがこれらの保護された特性の変化に対して不変な予測を生成するよう訓練する技術。
最適輸送による分布の均衡化
マイノリティグループのデータ分布をマジョリティグループの分布に近づけるため、最適輸送理論を使用して変換し、システム的バイアスを低減する高度な方法。
発散を用いた公平正規化
統計的公平性を保証するために、異なるグループの予測分布間の発散測度（KL、JS、Wasserstein）に基づいてペナルティ項を追加するトレーニング技術。