Geri Dön

Hybrid fairness for fair decision making

Adil karar verme için hibrit adalet

  1. Tez No: 753019
  2. Yazar: ERDEM KUŞ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ GÖRKEM KAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 137

Özet

Son yıllarda makine öğrenimi (ML) etkileyici bir ilerleme kaydetti ve birçok uygulamada insanlardan daha iyi performans gösterebileceğini kanıtladı. Bu performansın bir sonucu olarak, makine öğrenme sistemleri gerçek dünya problemlerinde giderek daha fazla kullanılmaktadır ve bu da toplumu yapay zekaya daha eleştirel bakmaya yöneltmiştir. Toplumun makine öğrenimi destekli sistemlere yönelik şüpheciliğindeki en büyük etkenlerden biri, modellerin belirli bir grubu rahatsız edebilecek önyargılı çıktılara sahip olmasıdır. Bu tür önyargılı kararların artmasıyla birlikte adalet, en az doğruluk kadar önemli ve dikkate alınması gereken bir metrik olarak yapay zeka dünyasında yerini almıştır. Adaletin yapay zeka sistemlerine girmesiyle birlikte önyargılı kararların önlenmesine yönelik çalışmaların bütününü kapsayan adil yapay zeka kavramı ortaya çıkmıştır. Fair AI, çoğunlukla grup adaleti metriklerini kullanarak modelin önyargılı kararlarını önlemeyi amaçlayan çalışmaları içerir. Ancak, grup adaleti modelin başarısı ters orantılı olduğundan ve öncelikli gruplardaki başarılı bireylere adil olmayan sonuçlara neden olabileceğinden, gerçek dünya sistemlerinde yetersizdir. Ayrıca adaletle ilgili bir diğer sorun da adalet metriklerinin sadece gruplar arası istatistiksel bir metrik ile kanıtlanmaya çalışılması ve açıklanabilirliğinin göz ardı edilmesidir. Bu çalışmada, bahsedilen sorunlara çözüm olarak grup adaleti ile bireysel adaletin birleşimi olan hibrit adalet kavramını tanıtıyoruz ve bu kavramın çıktılarını bu çalışmada hem istatistiksel hem de açıklanabilir olarak sunuyoruz.

Özet (Çeviri)

In recent years, machine learning (ML) has achieved impressive progress and proved that it could outperform humans in many applications. As a consequence of this performance, machine learning systems are increasingly being used in real-world problems, and this led society to view artificial intelligence more critically. One of the biggest factors in society's skepticism towards machine learning-supported systems is that the models have biased outputs that may offend a certain group. With the increase in such biased decisions, fairness has taken its place in the world of artificial intelligence, as a metric that is at least as important as accuracy and should be taken into account. With the introduction of fairness into artificial intelligence systems, the concept of fair artificial intelligence, which covers the whole of the studies aimed at preventing biased decisions, has emerged. Fair AI includes studies that aim to prevent biased decisions of the model, mostly by using group fairness metrics. However, since group fairness is inversely proportional to accuracy and causes unjust results to successful individuals in priority groups, is insufficient in real-world systems. In addition, another problem related to fairness is that fairness metrics are tried to be proven only with an inter-group statistical metric, and their explainability is ignored. In this study, we introduce the concept of hybrid fairness, which is the combination of group fairness and, individual fairness, as a solution to the problems mentioned, and we present the outputs of this concept with both statistical and explainability in this work.

Benzer Tezler

  1. Two approaches for fair resource allocation

    Eşitlikçi kaynak dağıtımına iki yaklaşım

    MİREL YAVUZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Endüstri ve Endüstri Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ÖZLEM KARSU

  2. Yeni nesil haberleşme sistemleri için yeni bir zamanlama algoritmasının geliştirilmesi

    Developing a radio resource scheduler for mobile systems

    FATİH BURAK KOYUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. MESUT KARTAL

  3. Lisanssız lte-laa ve wi-fi birlikte varoluş sorunları ve çözüm yaklaşımı

    Lte-laa and wi-fi coexistence problems and their solution approach in 5ghz unlicensed bandwidth

    MAQSOOD SULAIMANI

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SEÇKİN ARI

  4. New combined non-orthogonal multiple access techniques for wireless networks

    Telsiz iletişim ağları için yeni birleşik dik olmayan çoklu erişim teknikleri

    SEDA ÜSTÜNBAŞ GAVAS

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. HASAN ÜMİT AYGÖLÜ

  5. Signal processing and beamforming techniques for cell free MM-wave massive MIMO systems

    Hücresel olmayan milimetrik dalga masif MIMO sistemler için sinyal işleme ve hüzmeleme

    METEHAN KARATAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÖKHAN MUZAFFER GÜVENSEN