卡车不等于特朗普：图像分析中的人类错误诊断
人机交互
2022-05-17 v1 计算机视觉与模式识别
摘要
算法为检测和剖析人类偏见与错误提供了有力工具。在此，我们开发机器学习方法以分析人类在一项高 stakes 任务——图像解读——中如何出错。我们利用一个独特的数据集，包含基于Google街景图像对社区在2020年美国大选中投票给唐纳德·特朗普还是乔·拜登的16,135,392条人类预测。我们展示，通过训练一个针对每幅图像的贝叶斯最优决策的机器学习估计器，我们可以将人类错误可操作地分解为偏差、方差与噪声项，并进一步识别导致人类误判的特定特征（如皮卡卡车）。我们的方法可用于确保人在回路决策的准确性与公平性，也适用于黑盒算法系统。
引用
@article{arxiv.2205.07333,
title = {Trucks Don't Mean Trump: Diagnosing Human Error in Image Analysis},
author = {J. D. Zamfirescu-Pereira and Jerry Chen and Emily Wen and Allison Koenecke and Nikhil Garg and Emma Pierson},
journal= {arXiv preprint arXiv:2205.07333},
year = {2022}
}
备注
To be published in FAccT 2022