Глоссарий ИИ
Полный словарь искусственного интеллекта
Équité Intersectionnelle
Principe éthique garantissant que les systèmes d'IA ne produisent pas de discriminations combinées basées sur l'intersection de plusieurs caractéristiques protégées comme le genre, l'ethnie ou l'âge.
Biais Algorithmique Multiple
Phénomène où un algorithme présente simultanément plusieurs types de biais discriminatoires qui interagissent et s'amplifient mutuellement lors de la prise de décision automatisée.
Matrice de Discrimination
Outil analytique représentant les interactions entre différentes caractéristiques protégées pour identifier et quantifier les schémas de discrimination combinée dans les prédictions algorithmiques.
Métriques d'Équité Intersectionnelle
Indicateurs quantitatifs spécifiquement conçus pour mesurer l'équité des systèmes d'IA au niveau des sous-groupes définis par l'intersection de multiples attributs protégés.
Analyse de Disparité Combinée
Méthodologie statistique évaluant les différences de traitement ou d'impact entre des groupes définis par la combinaison de plusieurs caractéristiques démographiques ou sociales.
Principe de Parité des Chances Intersectionnel
Extension du principe de parité des chances garantissant que les taux de vrais positifs sont égaux non seulement entre groupes principaux mais aussi entre leurs sous-groupes intersectionnels.
Audit Algorithmique Intersectionnel
Processus d'évaluation systématique des biais algorithmiques prenant en compte spécifiquement les effets discriminatoires résultant de l'intersection de multiples caractéristiques protégées.
Justice Distributive Multi-dimensionnelle
Cadre théorique évaluant l'équité de la distribution des ressources ou opportunités selon plusieurs dimensions simultanées, évitant ainsi les simplifications excessives des analyses unidimensionnelles.
Пересеченное взвешивание
Техника корректировки весов в моделях ИИ для компенсации специфических предубеждений, затрагивающих наиболее уязвимые пересеченные подгруппы к комбинированной дискриминации.
Корреляция защищенных характеристик
Анализ статистических зависимостей между различными защищенными атрибутами в обучающих данных, необходимый для понимания и смягчения возникающих пересеченных предубеждений.
Контекстуальная дебиасировка
Подход исправления алгоритмических предубеждений, который учитывает социальный и исторический контекст пересеченных дискриминаций вместо изолированной обработки каждой характеристики.
Справедливость перекрестных групп
Критерий оценки, гарантирующий эквивалентность алгоритмической производительности между всеми возможными пересечениями групп, определенных различными защищенными характеристиками.
Сегментация по нескольким атрибутам
Техника разделения данных на подгруппы на основе одновременной комбинации множественных атрибутов для выявления и анализа скрытых пересеченных предубеждений.
Совокупный дифференциальный эффект
Композитная мера, количественно оценивающая общее дискриминационное воздействие алгоритма на популяции, одновременно подвергающиеся нескольким формам дискриминации на основе их пересеченных характеристик.
Пересеченный показатель риска
Числовой показатель, оценивающий вероятность того, что индивидуум, принадлежащий к конкретной пересеченной подгруппе, подвергнется алгоритмической дискриминации по сравнению с другими группами.
Многовариантная контрфактическая справедливость
Принцип, гарантирующий, что прогнозы модели останутся неизменными, если несколько защищенных характеристик будут изменены одновременно, обеспечивая справедливость, устойчивую к пересечениям.
Справедливая Многоцелевая Оптимизация
Парадигма обучения моделей ИИ, направленная на одновременную оптимизацию прогностической производительности и пересеченческой справедливости по нескольким противоречивым метрикам.
Пересеченческий Тест Значимости
Статистическая процедура, определяющая, являются ли наблюдаемые различия между пересеченческими подгруппами статистически значимыми или являются результатом случайности в алгоритмических прогнозах.