AI 词汇表
人工智能完整词典
Rééchantillonnage équitable
Technique de prétraitement modifiant la distribution des données d'entraînement en sur-représentant les groupes minoritaires ou sous-représentés pour réduire les disparités algorithmiques dans les prédictions du modèle.
Pondération inverse des probabilités
Méthode de correction de biais assignant des poids aux exemples d'entraînement inversement proportionnels à leur fréquence dans la population, compensant ainsi le déséquilibre entre groupes démographiques.
Apprentissage contradictoire pour l'équité
Approche d'entraînement simultané d'un prédicteur principal et d'un adversaire cherchant à prédire les attributs sensibles, forçant le modèle principal à générer des représentations invariantes aux caractéristiques protégées.
Calibration équitable des prédictions
Technique de post-traitement ajustant les scores de prédiction pour garantir que les probabilités prédites correspondent aux fréquences observées de manière cohérente across différents groupes démographiques.
Optimisation sous contraintes d'équité
Méthode d'entraînement intégrant des contraintes mathématiques sur les métriques d'équité directement dans la fonction objectif, garantissant le respect des critères de fairness pendant l'optimisation du modèle.
Égalisation des opportunités optimisée
Technique de traitement garantissant des taux de vrais positifs égaux entre groupes tout en maximisant la performance globale, souvent implémentée via des fonctions de perte spécifiques ou des ajustements de seuils.
Parité démographique ajustée
Méthode de correction s'assurant que les prédictions positives sont distribuées de manière proportionnelle entre différents groupes démographiques, indépendamment de leurs caractéristiques intrinsèques.
Débiaisage par causalité
Approche utilisant des graphes causaux pour identifier et neutraliser les chemins de causalité introduisant des biais, préservant uniquement les relations pertinentes pour la tâche de prédiction.
Apprentissage par invariance de groupe
Technique d'entraînement forçant le modèle à apprendre des représentations invariantes aux variations entre groupes démographiques tout en préservant les informations pertinentes pour la tâche principale.
Correction post-hoc par seuils adaptatifs
Méthode appliquée après entraînement ajustant dynamiquement les seuils de décision par groupe pour équilibrer les métriques de performance et garantir une équité dans les prédictions finales.
Réduction de disparité par repondération
Technique de prétraitement recalculant les poids des instances d'entraînement pour minimiser la divergence statistique entre la distribution observée et une distribution cible équitable.
Feature masking équitable
Stratégie de traitement masquant sélectivement ou transformant les caractéristiques potentiellement biaisées pendant l'entraînement pour forcer le modèle à se baser sur des attributs non discriminants.
Correction de biais de sélection
Ensemble de techniques identifiant et compensant les distorsions introduites par des processus d'échantillonnage non aléatoires qui favorisent systématiquement certains sous-groupes de la population.
Apprentissage robuste aux attaques d'équité
Méthodologie d'entraînement intégrant des exemples adversariaux conçus pour amplifier les biais, renforçant ainsi la résistance du modèle contre les manipulations visant à dégrader son équité.
Débiaisage par contrefactualité
Technique générant des exemples contrefactuels modifiant les attributs sensibles pour entraîner le modèle à produire des prédictions invariantes aux changements de ces caractéristiques protégées.
Équilibrage des distributions par transport optimal
Méthode avancée utilisant la théorie du transport optimal pour transformer la distribution des données d'un groupe minoritaire afin de la rapprocher de celle du groupe majoritaire, réduisant ainsi les biais systémiques.
Regularisation équitable par divergence
Technique d'entraînement ajoutant un terme de pénalité basé sur des mesures de divergence (KL, JS, Wasserstein) entre les distributions de prédictions des différents groupes pour garantir une équité statistique.