Matemaattiset menetelmät yhdenvertaisuuden edistämiseksi koneoppimisen sovelluksissa
561.6 KB
avoin
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
Lataukset202
Pysyvä osoite
Verkkojulkaisu
DOI
Tiivistelmä
Tekoälyjärjestelmien ja -sovellusten käyttö arkipäivän tilanteissa lisääntyy jatkuvasti, mikä korostaa tarvetta huomioida oikeudenmukaisuus niiden suunnittelussa ja toteutuksessa. Tavoitteena on varmistaa, että nämä järjestelmät eivät aiheuta päätöksissään syrjintää tiettyjä ihmisryhmiä kohtaan.
Tässä tutkielmassa tarkastellaan erilaisia oikeudenmukaisuuden määritelmiä sekä syitä datavinoumien muodostumiseen. Lisäksi esitetään joitain kirjallisuudessa ehdotettuja algoritmisia menetelmiä, joilla oikeudenmukaisuutta voidaan edistää koneoppimisen sovelluksissa. Näitä menetelmiä tarkastellaan koneoppimisprosessin eri vaiheiden näkökulmasta. Esikäsittelyn aikaisista menetelmistä tutkielmaan valikoitui NIFTY-algoritmi, kun taas käsittelyn aikaisten menetelmien osalta tarkastellaan adversatiivisia vinoumien korjaustapoja. Lopuksi jälkikäsittelymenetelminä tutkielmassa esitetään ortogonaaliluokittelija ja monitarkkuuden käsite.