Modelin önyargısızlaşdırılması metodları hansılardır (düşmənçiliklə önyargısızlaşdırma)?

Qarşılıqlı təlim istifadə edərək adversarial debiasing, maşın öyrənmə modellərində önyargıları aradan qaldırmaq üçün bir metodudur. Əsas fikir, əsas modeli hədəf dəyişəni proqnozlaşdırmaq üçün öyrətmək, eyni zamanda, əsas modelin çıxışlarından qorunan bir xüsusiyyəti (məsələn, cins və ya irq) proqnozlaşdırmağa çalışan adversarial modeli öyrətməkdir. Əsas model, proqnoz xətasını minimallaşdırmaq və eyni zamanda adversarial modelin qorunan xüsusiyyəti tapmasını çətinləşdirmək üçün optimallaşdırılır.

Adversarial yanaşma ilə debiasing metodları:

• Qarşılıqlı təlim: əsas model və adversarial model birlikdə öyrədilir, burada əsas model adversarialı 'aldatma'ğa çalışır.
• Adversarial itki ilə regulyarizasiya: itki funksiyasına, modelin qorunan xüsusiyyət haqqında məlumat sahibi olmasını cəzalandıran bir komponent əlavə edilir.
• Geribildirimli gradient enişi istifadə: adversarial modeldən gələn gradientlər, əsas modelin yenilənməsi zamanı tərsinə çevrilir, beləliklə, qorunan xüsusiyyətə olan asılılıq azaldılır.

Pseudokod nümunəsi:

# Əsas model f, adversarial model g
for batch in data:
    y_pred = f(x)
    s_pred = g(y_pred)
    loss_main = loss_fn(y_pred, y_true)
    loss_adv = loss_fn(s_pred, s_true)
    total_loss = loss_main - lambda * loss_adv
    total_loss.backward()
    optimizer.step()

Lambda, dəqiqlik və ədalət arasında tarazlığı tənzimləyir.