负责任AI（RAI）博弈与集成方法
人工智能
2023-10-31 v1
摘要
若干近期工作研究了AI的社会影响；这些问题包括公平性、鲁棒性和安全性等。在许多此类目标中，学习器寻求在一组预定义分布（称为不确定性集）上最小化其最坏情况损失，通常的例子为经验分布的扰动版本。换言之，上述问题可写为这些不确定性集上的极小极大问题。本工作中，我们提供了一个研究这些问题的通用框架，称之为负责任AI（Responsible AI, RAI）博弈。我们提供两类求解这些博弈的算法：（a）基于博弈对弈的算法，以及（b）贪心分阶段估计算法。前一类受在线学习与博弈论启发，而后一类受经典的集成（boosting）与回归统计文献启发。我们通过实验展示了我们的技术在求解若干RAI问题（尤其是围绕子群体偏移）中的适用性与竞争性表现。
引用
@article{arxiv.2310.18832,
title = {Responsible AI (RAI) Games and Ensembles},
author = {Yash Gupta and Runtian Zhai and Arun Suggala and Pradeep Ravikumar},
journal= {arXiv preprint arXiv:2310.18832},
year = {2023}
}