バイアス軽減のための直接ステアリング最適化(DSO)手法の提案
本文の状態
日本語全文を表示中
詳細モードで約1分の本文を読めます。
同じ出来事の情報源
この情報源を基点に整理
Apple Machine Learning
生成モデルが視覚障害者支援などで意思決定を行う際、入力画像の人種や性別などの属性に依存したバイアスが結果に影響を与える問題がある。この研究では、性能低下を最小限に抑えつつバイアスを軽減する「直接ステアリング最適化(DSO)」手法を提案し、ユーザーのニーズに応じたバランス調整を実現する。
Continue in AI NEW LAB
このニュースを、実務の判断につなげる
AI NEW LABで、試したことや先に確認したい条件を共有できます。まずはログインなしで読めます。
AI NEW LABで論点を見るSource Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
生成モデルは、視覚障害者支援のために室内の誰が医師かを特定するビジョン・ランゲージモデル(VLM)など、ユーザーに代わって意思決定を行うために頻繁に展開されています。しかし、VLM の判断は入力に含まれる人物の知覚される人口統計的属性の影響を受けやすく、女性を医師として識別できないといったバイアスのある結果をもたらす可能性があります。さらに、バイアスの低減が性能低下を招く場合、ユーザーはバイアス緩和とモデル全体の能力のバランスに対するニーズが多様であるため、制御可能なバイアス削減を実現する手法への需要が高まっています…
原文を表示
Generative models are often deployed to make decisions on behalf of users, such as vision-language models (VLMs) identifying which person in a room is a doctor to help visually impaired individuals. Yet, VLM decisions are influenced by the perceived demographic attributes of people in the input, which can lead to biased outcomes like failing to identify women as doctors. Moreover, when reducing bias leads to performance loss, users may have varying needs for balancing bias mitigation with overall model capabilities, highlighting the demand for methods that enable controllable bias reduction…
関連記事
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み