Disentangling the AI Black-Box Model: From Direct to Indirect Influence
Notice bibliographique
Résumé
Due to the widespread use of artificial intelligence and machine learning models across numerous domains that directly impact individuals’ lives, it is essential to ensure that these models are making their decisions in a non-discriminatory manner. That is, biases encoded in the underlying training data are not reflected in the output of the model. This is, however, often hard to control since the predictive accuracy of these models come at the cost of interpretability. The purpose of this thesis is to investigate and apply methods for interpreting black-box machine learning models to bring more transparency into their decision-making process by analyzing both the direct and indirect influence of input features on model predictions. We begin by studying the theoretical background of the SHAP (SHapley Additive exPlanations) framework, Shapley values, and their implementation in measuring direct influence. We explore the SHAP Python package for both local and global explanations and visualization of direct feature influence on both synthetic and real-world datasets. We then transition to studying indirect influence using the Disentangled Influence Audit procedure, which uses adversarial training to learn disentangled latent representations for auditing hidden dependencies. After presenting all the background information, we implement this procedure and evaluate these methods through numerical experiments on synthetic functions and real-world datasets including the Adult Income and the Montréal Housing datasets. In addition to these experiments, we also examine how “data-hungry” these auditing methods are by examining their convergence as a function of the number of samples required. Our results demonstrate the importance of auditing both direct and indirect pathways of influence to promote interpretability and fairness in complex models.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,006 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».