مروری بر روش ها و چالش های کاهش سوگیری الگوریتمی در سیستم های یادگیری ماشین

چکیده مقاله

رشد سریع هوش مصنوعی و یادگیری ماشین در حوزه های تصمیم گیری حساس، چالش های تازه ای را در زمینه عدالت الگوریتمی پدید آورده است مدل های پیش بینی گر، اگرچه در ظاهر مبتنی بر داده و بی طرف اند، اما اغلب سوگیری های نهفته در داده های آموزشی را بازتولید می کنند و موجب نابرابری های ساختاری در فرآیندهای استخدام، اعتبارسنجی و ارزیابی می شوند این مقاله با رویکرد مرور ادبیات، به تحلیل مفاهیم بنیادین عدالت الگوریتمی، معیارهای ارزیابی متداول، چالش های پیاده سازی و ملاحظات کاربردی آن می پردازد هدف پژوهش، ارائه تصویری منسجم از وضعیت کنونی مطالعات و شناسایی خلاهای پژوهشی برای شکل گیری نظام های تصمیم یار منصفانه تر است، بدون تمرکز بر آزمون های تجربی یا توسعه مدل های عملیاتی

کلیدواژه‌ها

نویسندگان

حسین سینائی

۱. دانشجوی رشته ی کامپیوتر مقطع کارشناسی پیوسته، دانشگاه ملی مهارت استان چ و ب

حسین سینائی

۱ دانشجوی رشته ی کامپیوتر مقطع کارشناسی پیوسته، دانشگاه ملی مهارت استان چ و ب

احسان سلیمانی دهکردی

۲ دانشجوی دکتری مهندسی کامپیوتر، دانشگاه آزاد، واحد میبد، ایران

�ینائی، حسین و سلیمانی دهکردی، احسان،1405،مروری بر روش ها و چالش های کاهش سوگیری الگوریتمی در سیستم های یادگیری ماشین،سی امین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک،شیروان

ارائه‌شده در

مجموعه مقالات سی امین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک30 اردیبهشت 1405 · شیروان