コンテンツへスキップ
- AutoML in The Wild: Obstacles, Workarounds, and Expectations [34.7]
本研究は,現実の実践においてユーザが遭遇するAutoMLの限界を理解することに焦点を当てる。 その結果,カスタマイズ性,透明性,プライバシーから生じる3つの大きな課題を克服するために,ユーザエージェンシーを積極的に実施していることが判明した。
論文 参考訳（メタデータ） (Tue, 21 Feb 2023 17:06:46 GMT)
- AutoMLの実践（課題と対策）についてインタビュー（19人）から整理した論文
- 実践者に対するインタビューはとても参考になるのと「AutoMLの不備については良く知りつつ実用的に対応している」という点がやや驚きだった。使えそうであれば様々な方法で克服していけるのであれば最近の対話系モデルもどうにかして実用していけるのかもと思わなくもない。
- A Review of the Role of Causality in Developing Trustworthy AI Systems [16.3]
最先端のAIモデルは、現実世界の人間の理解を支配する因果関係の理解がほとんどない。 近年,AIモデルの信頼性を向上するための強力なツールとして因果モデリングや推論手法が登場している。
論文 参考訳（メタデータ） (Tue, 14 Feb 2023 11:08:26 GMT)
- Trustworthy AIに対する因果推論や因果モデリングの役割を整理したサーベイ
- Interpretability、Fairness、Robustness、Privacy、Safety and Accountability(Auditing)に対する因果性の効果が整理されている