机构名称：
¥ 1.0
虽然传统的方法和技术为人口分析提供了有用的见解，但文献中强调了人工智能 (AI) 和机器学习 (ML) 在人口统计应用中的近期激增，以从数据中提供更深入的见解并预测未来趋势 (Islam 等人，2022 年，Miguel-Hurtado 等人，2016 年，Khare 等人，2017 年，Luo 等人，2015 年，Bozkurt 等人，2020 年，Behravan 等人，2020 年)。尽管人工智能/机器学习的进步为人口统计研究带来了更好的见解和分析，但它也带来了与偏见相关的挑战 (Momigliano 等人，2021 年，Abràmoff 等人，2023 年，Agarwal 等人，2023 年)。人工智能/机器学习模型中的偏见及其在大量应用中的使用仍在继续严格研究。人口统计模型中 AI/ML 的使用率增加可能导致相关偏差呈指数级增长。为此，人口统计研究中 AI/ML 模型的使用还应侧重于从数据收集、数据分析、AI/ML 模型训练等多个角度缓解和识别偏差。对于使用 AI/ML 模型的人口统计研究，因果学习、可解释 AI (XAI) 和 AWS Sagemaker Clarify 工具等解决方案能够提供偏差识别和缓解。XAI 可用于开发和部署能够处理数据和模型中偏差的稳健且值得信赖的模型。
可解释的人工智能用于人口模型中的偏见识别和缓解
主要关键词
相关文件推荐
