Abstrato

Explorando o preconceito no algoritmo FOLD-R++: uma análise abrangente

Raaghav Ramamoorthy*

Como a aprendizagem automática está a ser utilizada em inúmeras aplicações, há ainda mais preocupação em relação aos algoritmos da inteligência artificial. Este artigo centra-se na análise dos enviesamentos incorporados numa configuração como o FOLD-R++. As descobertas são importantes tanto para a academia como para a indústria no estabelecimento do que é um algoritmo de aprendizagem automática justo e neutro. O artigo contém uma revisão exaustiva da literatura sobre os enviesamentos na aprendizagem automática e uma explicação detalhada.

O capítulo reexamina estudos anteriores sobre a eficácia deste algoritmo, desenterrando as limitações da literatura anterior e incentivando mais investigação. Isto envolve a escolha propositada de um conjunto de dados do Kaggle, métricas aplicadas na avaliação do algoritmo e um projeto experimental detalhado. Os resultados destes testes de diferentes cenários de teste mostraram que o algoritmo está correto, mas vulnerável a enviesamentos e eficiente em diferentes domínios. Os resultados são discutidos e são feitas comparações com o que está disponível na tabela em relação aos algoritmos enviesados ??do sistema. Concluindo, este estudo contribui para a literatura existente sobre aprendizagem automática e destaca algumas deficiências relativas à utilização do algoritmo FOLD-R++. Assim, demonstra a necessidade de abordar questões de desigualdade inexplicável e desenvolver algoritmos fiáveis ??para a tomada de decisões. O estudo reconhece estas deficiências na medida em que se torna um estágio vital para o desenvolvimento de uma aprendizagem automática mais justificada.