Nous aurons la plaisir d'accueillir Einoshin Suzuki, professeur à l'université de Kyushu, pour un séminaire autours de l'éthique et de l'IA : Judging Instinct Exploitation in Statistical Data Explanations Based on Phrase Embedding.

Abstract (traduit)

Nous avons proposé 18 types d'explications de données statistiques et trois types de procédures pour étudier la crédibilité des explications non éthiques et biaisées dues à l'exploitation des 10 instincts proposés par Rosling et al. L'explication "les femmes ont de moins bonnes notes en mathématiques que les hommes", accompagnée des moyennes et des distributions de leurs notes, est un exemple de ce type d'explication, car elle exploite l'instinct d'écart, c'est-à-dire notre tendance à diviser toutes sortes de choses en deux groupes distincts et souvent contradictoires. Elle devient beaucoup moins crédible si nous remplaçons le mot "maths" par "anglais", même si nous conservons les données telles quelles, car l'explication semble échouer. Nos procédures d'évaluation sont basées sur l'intégration de phrases et sur des comparaisons soigneusement conçues pour juger de la crédibilité. Les résultats de nos expériences comparant les 18 types avec leurs variantes montrent des résultats prometteurs et des indices pour des développements ultérieurs.

[Reference] K. Zhang, H. Shinden, T. Mutsuro, E. Suzuki: "Judging Instinct Exploitation in Statistical Data Explanations Based on Word Embedding", Proc. Fifth AAAI/ACM Conference on AI, Ethics, and Society (AIES 2022), pp. 867-879, 2022.

Bio: Einoshin Suzuki est professeur à l'université de Kyushu depuis 2006. Il travaille sur l'IA depuis 1988.