قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
مساواة الاحتمالات
مقياس للعدالة يتطلب أن تكون احتمالات التنبؤ الإيجابي مستقلة عن المجموعة الديموغرافية، بشكل مشروط على النتيجة الحقيقية.
التحليل المضاد للواقع
تقنية تفسيرية تقوم بتقييم كيف يمكن أن تتغير تنبؤات النموذج إذا تم تغيير بعض خصائص الفرد، خاصة انتماءه لمجموعة معينة.
التكافؤ التنبؤي
معيار للعدالة يتطلب أن تكون القيمة التنبؤية الإيجابية متماثلة لجميع المجموعات، مما يضمن أن التنبؤات الإيجابية لديها موثوقية موحدة.
إزالة التحيز بالمنافسة
طريقة لتخفيف التحيز تستخدم شبكة عصبية متنافسة لتعلم تمثيلات البيانات التي لا تتغير بالنسبة للسمة الحساسة.
المعايرة حسب المجموعة
عملية تعديل درجات الاحتمالية لنموذج لضمان أن التنبؤات معايرة بشكل صحيح داخل كل مجموعة ديموغرافية فرعية.
شاب للعدالة
تطبيق قيم شاب (SHapley Additive exPlanations) لكمية وتصور كيف تساهم الخصائص الحساسة في التنبؤات التمييزية لنموذج.
وظيفة الخسارة العادلة
تعديل وظيفة الهدف لخوارزمية التعلم لتضمين عقوبات أو قيود تشجع على الالتزام ببعض مقاييس العدالة.
وكيل السمة الحساسة
متغير غير حساس مرتبط بقوة بسمة محمية (مثل الرمز البريدي للعرق)، يمكن استخدامه بواسطة النموذج لاستمرار التمييز غير المباشر.
المعاملة غير المتكافئة
شكل من أشكال التحيز حيث تختلف معدلات خطأ التصنيف (الإيجابيات الكاذبة، والسلبيات الكاذبة) بشكل كبير بين المجموعات الديموغرافية.
إعادة الترجيح
تقنية معالجة مسبقة تقوم بتعديل وزن كل مثال تدريب لتحقيق توازن في توزيع المجموعات والنتائج، مما يقلل من تحيز النموذج.
الاستقلال المتبادل
معيار العدالة الرسمي الذي يتطلب أن تكون تنبؤات النموذج مستقلة إحصائياً عن السمة الحساسة، ويتم قياسها بالمعلومات المتبادلة.