JP7703009B2 - ソフトウェア・アプリケーションにおけるバイアスを検出および監視するための方法、システム - Google Patents

Description

本出願は、一般に、ソフトウェア・アプリケーションを管理することに関し、より詳細には、人工知能を使用してソフトウェア・アプリケーションにおけるバイアスを検出および監視することならびにそのデバイスに関する。

判定を行うために人間またはコンピュータによって、異なるタイプまたはフォーマットのデータが一般に使用される。例えば、銀行は、信用スコア、これまでのクレジット履歴、収入、および他の人口統計情報に基づいて、特定の総額の信用貸しを人またはビジネスに広げるかどうかについての判定を基礎とすることがある。残念ながら、このような判定は、何らかの形のバイアス（例えば、暗黙のバイアス）を含むことがあり、したがって、機関が自らの意思決定プロセスを公平であると考えたとしても、実際には、結果がバイアスされることがある。バイアスは、性別、年齢、民族的背景、地理的な居場所、または収入などの、特定の特質または特性を優遇したり優遇しなかったりする意思決定プロセスを使用して、判定を行うことを指す。結果として、バイアスは、信用取引申請などの申請の承認または拒否のために使用されるルールに入り込む恐れがあり、このバイアスは、検出するのが難しいことがある。既存技術は、手動でデータ・セットを見直すこと、ルールに対応させること、およびバイアスを検出する判定にデータ、ルールを相関させるように、例えばデータ科学者などの被雇用者に要求することによって、コンピュータによって行われる判定におけるバイアスを検出する技術的問題を解決しようとする。それでも、既存技術によって使用される技術は、手動式介入を必要とし、これがエラーにつながるので、技術的問題を完全に解決するわけではない。その上、ユーザ自身によってどの特徴がバイアスされている可能性があるのかをユーザが見つけるのは非常に難しい。

上記の問題を解決するために、アプリケーションにおけるバイアスを検出および監視するための新しいシステムおよび方法を提供することが望まれる。

実施形態は、人工知能を使用してアプリケーションにおけるバイアスを監視および検出するためのコンピュータ実行方法を提供し、訓練データにインデックスを付けることと、インデックス付き訓練データにおける１つまたは複数の特徴と目標変数との複数の相関値を取得することとを含む。１つまたは複数の特徴のそれぞれに対して、第１の値および好都合（favorable）な結果、ならびに第２の値が不都合(unfavorable)な結果と共に計算される。計算された第１の値と計算された第２の値との間の差の絶対値が計算される。１つまたは複数の特徴のうちの１つの、複数の相関値の計算された絶対値の総計が計算される。

実施形態は、クライアント・デバイスから受け取られたフィードバック・データにインデックスを付けることをさらに含む、コンピュータ実行方法をさらに提供する。

実施形態は、訓練データ・サーバから訓練データを取得することをさらに含む、コンピュータ実行方法をさらに提供する。

実施形態は、フィードバック・データのために、１つまたは複数の特徴のうちの１つの、複数の相関値の計算された絶対値の第２の総計を計算することをさらに含む、コンピュータ実行方法をさらに提供する。

実施形態は、訓練データに関連付けられた計算された絶対値の計算された総計と、フィードバック・データに関連付けられた計算された絶対値の計算された総計との間の差によって決定された相関変化値を提示することをさらに含む、コンピュータ実行方法をさらに提供する。

実施形態は、相関変化値が、監視されることになる特徴の候補を表す、コンピュータ実行方法をさらに提供する。

実施形態は、訓練データにインデックスを付けることと、インデックス付き訓練データにおける１つまたは複数の特徴と目標変数との複数の相関値を取得することとを含む、非一過性コンピュータ可読媒体をさらに提供する。１つまたは複数の特徴のそれぞれに対して、第１の値および好都合な結果、ならびに第２の値が不都合な結果と共に計算される。計算された第１の値と計算された第２の値との間の差の絶対値が計算される。１つまたは複数の特徴のうちの１つの、複数の相関値の計算された絶対値の総計が計算される。

別の例証的実施形態では、コンピュータ可読プログラムを有するコンピュータ使用可能または可読媒体を備える非一過性コンピュータ可読媒体が提供される。コンピュータ可読プログラムは、プロセッサで実行されたとき、方法の例証的実施形態に関連して上記で概説された動作の様々なものおよびその組合せをプロセッサに実施させる。

さらに別の例証的実施形態では、システムが提供される。システムは、方法の例証的実施形態に関連して上記で概説された動作の様々なものおよびその組合せを実施するように構成された完全質問生成プロセッサを備えることができる。

添付の図面を参照しながら進める例証的実施形態の以下の詳細な説明から、本開示の追加の特徴および長所が明らかになるであろう。

前述および他の本発明の態様は、添付の図面と共に読むと、以下の詳細な説明から最も良く理解される。本発明を示すために、現時点で好まれる実施形態が図面に示されているが、本発明は開示の固有の手段に限定されないことが理解される。以下の図が図面に含まれる。

人工知能を使用してソフトウェア・アプリケーションにおけるバイアスを検出および監視するための、バイアス監視コンピューティング・システム１４を含む、ネットワーク環境１０のブロック図の例である。 バイアス監視コンピューティング・システム１４のブロック図の例である。 ソフトウェア・アプリケーションにおけるバイアスを検出および監視するための方法３００を示す例示的フローチャートである。 訓練データと接続する例示的イメージである。 訓練データと接続する例示的イメージである。 監視するための特徴および提案の相関値の変化を示す例示的イメージである。 好都合または不都合なソフトウェア・アプリケーションの提案を示す例示的イメージである。 好都合または不都合なソフトウェア・アプリケーションの提案を示す例示的イメージである。 好都合または不都合なソフトウェア・アプリケーションの提案を示す例示的イメージである。

本発明は、人工知能（ＡＩ）を使用してソフトウェア・アプリケーションにおけるバイアスを検出および監視するためのシステム、方法、またはコンピュータ・プログラム製品、あるいはその組合せでよい。コンピュータ・プログラム製品は、本発明の態様をプロセッサに実行させるためのコンピュータ可読プログラム命令を含むコンピュータ可読ストレージ媒体（または複数の媒体）を含むことができる。

バイアス監視コンピューティング・システム１４の例を含むネットワーク環境１０が、図１～図２に示されている。この特定の例では、環境１０は、１つまたは複数の通信ネットワーク３０を介して連結された、バイアス監視コンピューティング・システム１４、１つまたは複数のクライアント・デバイス１２（１）～１２（ｎ）、１つまたは複数の訓練データ・サーバ１６（１）～１６（ｎ）、および１つまたは複数のアプリケーション・サーバ１７（１）～１７（ｎ）を含むが、環境は、当技術分野で一般的に知られており、本明細書で示されることも説明されることもないような、他のタイプおよび数のシステム、デバイス、構成要素、または他の要素、あるいはその組合せを含むことができる。この技術は、人工知能（ＡＩ）を使用してソフトウェア・アプリケーションにおけるバイアスを検出および監視する方法、非一過性コンピュータ可読媒体、およびシステムを提供することを含むいくつかの長所を提供する。

図１～図２をより詳細に参照すると、バイアス監視コンピューティング・システム１４は、人工知能を使用してアプリケーションにおけるバイアスを検出および監視するようにプログラムされる。ここで図２を参照すると、バイアス監視コンピューティング・システム１４は、ノース・ブリッジおよびメモリ・コントローラ・ハブ（ＮＢ／ＭＣＨ：north bridge and memory controller hub）２０１と、サウス・ブリッジおよび入出力（Ｉ／Ｏ）コントローラ・ハブ（ＳＢ／ＩＣＨ：south bridge and input/output controller hub）２０２とを含む、ハブ・アーキテクチャを採用することができる。処理ユニット２０３、メイン・メモリ２０４、およびグラフィックス・プロセッサ２０５は、ＮＢ／ＭＣＨ２０１に接続されることが可能である。グラフィックス・プロセッサ２０５は、アクセラレイティッド・グラフィックス・ポート（ＡＧＰ）を通じてＮＢ／ＭＣＨ２０１に接続されることが可能である。

描写の例では、ネットワーク・アダプタ２０６は、ＳＢ／ＩＣＨ２０２に接続する。オーディオ・アダプタ２０７、キーボードおよびマウス・アダプタ２０８、モデム２０９、リード・オンリ・メモリ（ＲＯＭ：read-only memory）２１０、ハードディスク・ドライブ（ＨＤＤ：hard disk drive）２１１、光学ドライブ（ＣＤまたはＤＶＤ）２１２、ユニバーサル・シリアル・バス（ＵＳＢ：universal serial bus）ポートおよび他の通信ポート２１３、ならびにＰＣＩ／ＰＣＩｅデバイス２１４は、バス・システム２１６を通じてＳＢ／ＩＣＨ７０２に接続することができる。ＰＣＩ／ＰＣＩｅデバイス２１４は、イーサネット（Ｒ）・アダプタ、アドイン・カード、および、ノートブック・コンピュータ用のＰＣカードを含むことができる。ＲＯＭ２１０は、例えば、フラッシュ基本入出力システム（ＢＩＯＳ）でよい。ＨＤＤ２１１および光学ドライブ２１２は、インテグレーテッド・ドライブ・エレクトロニクス（ＩＤＥ）またはシリアル・アドバンスト・テクノロジ・アタッチメント（ＳＡＴＡ）インターフェースを使用することができる。スーパーＩ／Ｏ（ＳＩＯ：super I/O）デバイス２１５は、ＳＢ／ＩＣＨに接続されることが可能である。

オペレーティング・システムは、処理ユニット２０３上で実行することができる。オペレーティング・システムは、バイアス監視コンピューティング・システム１４内の様々な構成要素の制御を協調させ提供することができる。クライアントとしてのオペレーティング・システムは、市販のオペレーティング・システムが可能である。Ｊａｖａ（Ｒ）（ＴＭ）プログラミング・システムなどのオブジェクト指向プログラミング・システムは、オペレーティング・システムと共に実行し、データ処理システム７００上で実行するオブジェクト指向プログラムまたはアプリケーションからオペレーティング・システムへのコールを提供することができる。サーバとしてのバイアス監視コンピューティング・システム１４は、Ａｄｖａｎｃｅｄ Ｉｎｔｅｒａｃｔｉｖｅ Ｅｘｅｃｕｔｉｖｅオペレーティング・システムまたはＬｉｎｕｘオペレーティング・システムを実行するＩＢＭ（Ｒ）ｅＳｅｒｖｅｒ（ＴＭ）システムｐ（Ｒ）が可能である。バイアス監視コンピューティング・システム１４は、処理ユニット２０３に複数のプロセッサを含めることができる対称型マルチプロセッサ（ＳＭＰ）システムが可能である。代替として、単一のプロセッサ・システムが採用されてもよい。

オペレーティング・システム、オブジェクト指向プログラミング・システム、およびアプリケーションまたはプログラムのための命令は、ＨＤＤ２１１などのストレージ・デバイスに置かれ、処理ユニット２０３による実行のためにメイン・メモリ２０４にロードされる。完全質問生成システムの実施形態のためのプロセスは、コンピュータ使用可能プログラム・コードを使用して処理ユニット７０３によって実施されることが可能であり、コンピュータ使用可能プログラム・コードは、例えばメイン・メモリ２０４、ＲＯＭ２１０などのメモリに、または１つもしくは複数の周辺デバイスに置かれることが可能である。

バス・システム２１６は、１つまたは複数バスで構成されることが可能である。バス・システム２１６は、通信ファブリックまたはアーキテクチャに取り付けられた異なる構成要素またはデバイス間のデータ転送のために提供することができる任意のタイプの通信ファブリックまたはアーキテクチャを使用して実装されることが可能である。モデム２０９またはネットワーク・アダプタ２０６などの通信ユニットは、データを送受信するために使用されることが可能な１つまたは複数のデバイスを含むことができる。

図２に描写されたハードウェアは、実装形態に応じて変化してもよいことを当業者は理解するであろう。例えば、バイアス監視コンピューティング・システム１４は、図３～図６Ｃに示されたいくつかの実施形態に直接的に含まれないはずのいくつかの構成要素を含む。それでも、図３～図６Ｃに示された実施形態は、開示の実施形態による処理方法およびステップを実施するためのバイアス監視コンピューティング・システム１４の構成要素および構成のうちの１つまたは複数を含むことができることを理解されたい。

その上、フラッシュ・メモリ、同等の不揮発性メモリ、または光ディスク・ドライブなどの他の内部ハードウェアまたは周辺デバイスが、描写のハードウェアに加えてまたはその代わりに使用されてもよい。その上、バイアス監視コンピューティング・システム１４は、クライアント・コンピューティング・デバイス、サーバ・コンピューティング・デバイス、タブレット型コンピュータ、ラップトップ・コンピュータ、電話または他の通信デバイス、パーソナル・デジタル・アシスタント、および同様のものを含むがこれらに限定されない、いくつかの異なるデータ処理システムのいずれかの形式をとることができる。本質的に、データ処理システム７００は、構造上の限定のない任意の既知のまたは後で開発されるデータ処理システムであることが可能である。

図１に戻って参照すると、１つまたは複数のクライアント・デバイス１２（１）～１２（ｎ）のそれぞれは、プロセッサ、メモリ、ユーザ入力デバイス（キーボード、マウスなど）、または対話型ディスプレイ・スクリーン（ほんの一例として表示デバイスなど）、あるいはその組合せ、および通信インターフェースを含むことができ、これらは、バスまたは他のリンクによって一緒に連結されるが、それぞれは、他のタイプまたは数あるいはその両方の他のシステム、デバイス、構成要素、または他の要素、あるいはその組合せを有することができる。この例では、バイアス監視コンピューティング・システム１４は、１つまたは複数のアプリケーション・サーバ１７（１）～１７（ｎ）上で実行するアプリケーションにアクセスしたいというリクエストを受け取るために、通信ネットワーク３０を介して１つまたは複数のクライアント・デバイス１２（１）～１２（ｎ）と対話するが、バイアス監視コンピューティング・システム１４は、他のタイプまたはリクエストを受け取ることができる。

１つまたは複数の訓練データ・サーバ１６（１）～１６（ｎ）のそれぞれは、例えば、訓練データを格納および通信ネットワーク３０のうちの１つまたは複数を介してバイアス監視コンピューティング・システム１４に提供することができるが、他のタイプまたは数あるいはその両方のストレージ媒体が他の構成で使用されることが可能である。この特定の例では、１つまたは複数の訓練データ・サーバ１６（１）～１６（ｎ）のそれぞれは、様々な組合せおよびタイプのストレージ・ハードウェアまたはソフトウェアあるいはその両方を備え、内部または外部ネットワークを含むことができるデータ・ストレージ・プール内に複数のネットワーク・サーバ・デバイスを含むシステムを表すことができる。ＣＩＦＳアプリケーション、ＮＦＳアプリケーション、ＨＴＴＰウェブ・ネットワーク・サーバ・デバイス・アプリケーション、またはＦＴＰアプリケーション、あるいはその組合せなどの、様々なネットワーク処理アプリケーションが、複数のデータ・サーバ１６（１）～１６（ｎ）上で動作していてもよく、バイアス監視コンピューティング・システム１４からのリクエストに応答して、データを伝送することができる。１つまたは複数の訓練データ・サーバ１６（１）～１６（ｎ）それぞれが、バスまたは他のリンクによって一緒に連結されたプロセッサ、メモリ、および通信インターフェースを含むことができるが、それぞれが、他のタイプまたは数あるいはその両方の他のシステム、デバイス、構成要素、または他の要素、あるいはその組合せを有することができる。

１つまたは複数のアプリケーション・サーバ１７（１）～１７（ｎ）のそれぞれは、例えば、通信ネットワーク３０のうちの１つまたは複数を介して、バイアス監視コンピューティング・システム１４を介して、実行するアプリケーションを格納し、１つまたは複数のクライアント・デバイス１２（１）～１２（ｎ）に、実行するアプリケーションへのアクセスを提供することができるが、他のタイプまたは数あるいはその両方のストレージ媒体が他の構成で使用されることが可能である。この特定の例では、複数のデータ・サーバ１７（１）～１７（ｎ）のそれぞれは、様々な組合せおよびタイプのストレージ・ハードウェアまたはソフトウェアあるいはその両方を備え、内部または外部ネットワークを含むことができ、データ・ストレージ・プール内に複数のネットワーク・サーバ・デバイスを含むシステムを表すことができる。ＣＩＦＳアプリケーション、ＮＦＳアプリケーション、ＨＴＴＰウェブ・ネットワーク・サーバ・デバイス・アプリケーション、またはＦＴＰアプリケーション、あるいはその組合せなどの、様々なネットワーク処理アプリケーションが、複数のデータ・サーバ１７（１）～１７（ｎ）上で動作していてもよく、バイアス監視コンピューティング・システム１４からのリクエストに応答して、データを伝送することができる。複数のデータ・サーバ１７（１）～１７（ｎ）それぞれが、バスまたは他のリンクによって一緒に連結されたプロセッサ、メモリ、および通信インターフェースを含むことができるが、それぞれが、他のタイプまたは数あるいはその両方の他のシステム、デバイス、構成要素、または他の要素、あるいはその組合せを有することができる。

非一過性コンピュータ可読ストレージ媒体は、命令実行デバイスによる使用のための命令を保持および記憶することができる有形デバイスであることが可能である。非一過性コンピュータ可読ストレージ媒体は、例えば、電子ストレージ・デバイス、磁気ストレージ・デバイス、光ストレージ・デバイス、電磁気ストレージ・デバイス、半導体ストレージ・デバイス、または前述の任意の適切な組合せでよいがこれらに限定されない。コンピュータ可読ストレージ媒体のより具体的な例の完全に網羅されていないリストは、ポータブル・コンピュータ・ディスケット、ヘッド・ディスク、ランダム・アクセス・メモリ（ＲＡＭ）、リード・オンリ・メモリ（ＲＯＭ）、消去可能プログラマブル・リード・オンリ・メモリ（ＥＰＲＯＭまたはフラッシュ・メモリ）、スタティック・ランダム・アクセス・メモリ（ＳＲＡＭ）、ポータブル・コンパクト・ディスク・リード・オンリ・メモリ（ＣＤ－ＲＯＭ）、デジタル・バーサタイル・ディスク（ＤＶＤ）、メモリ・スティック、フロッピー（Ｒ）・ディスク、命令を記録したパンチ・カードまたは溝内隆起構造などの機械的にエンコードされたデバイス、および前述の任意の適切な組合せを含む。非一過性コンピュータ可読ストレージ媒体は、本明細書で使用されるように、本質的に、電波もしくは他の自由に伝搬する電磁波、導波路もしくは他の伝送媒体を通じて伝搬する電磁波（例えば、光ファイバ・ケーブルを通過する光パルス）、またはワイヤを通じて伝送される電気信号などの、一時的な信号であると解釈されるべきではない。

本明細書で説明される非一過性コンピュータ可読プログラム命令は、コンピュータ可読ストレージ媒体からそれぞれの計算／処理デバイスに、または、例えば、インターネット、ローカル・エリア・ネットワーク（ＬＡＮ）、ワイド・エリア・ネットワーク（ＷＡＮ）、またはワイヤレス・ネットワーク、あるいはその組合せなどの、通信ネットワーク３０を介して外部コンピュータもしくは外部ストレージ・デバイスに、ダウンロードされることが可能である。通信ネットワーク３０は、銅伝送ケーブル、光伝送ファイバ、ワイヤレス伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイ・コンピュータ、またはエッジ・サーバ、あるいはその組合せを備えることができる。各計算／処理デバイス内のネットワーク・アダプタ・カードまたはネットワーク・インターフェースは、コンピュータ可読プログラム命令をネットワークから受け取り、それぞれの計算／処理デバイス内のコンピュータ可読ストレージ媒体に記憶するためにコンピュータ可読プログラム命令を転送する。

本発明の動作を実行するためのコンピュータ可読プログラム命令は、アセンブラ命令、インストラクション・セット・アーキテクチャ（ＩＳＡ）命令、機械語命令、機械依存命令、マイクロコード、ファームウェア命令、状態設定データ、または、Ｊａｖａ（Ｒ）、Ｓｍａｌｌｔａｌｋ（Ｒ）、Ｃ＋＋、もしくは同様のものなどのオブジェクト指向プログラミング言語、および「Ｃ」プログラミング言語、もしくは類似のプログラミング言語などの従来の手続き型プログラミング言語を含む１つもしくは複数のプログラミング言語の任意の組合せで書かれたソース・コードもしくはオブジェクト・コードでよい。コンピュータ可読プログラム命令は、完全にユーザのコンピュータで、部分的にユーザのコンピュータ上で、スタンド・アロン・ソフトウェア・パッケージとして、部分的にユーザのコンピュータかつ部分的にリモート・コンピュータ上で、または完全にリモート・コンピュータもしくはサーバ上で実行することができる。後者のシナリオでは、リモート・コンピュータは、ＬＡＮもしくはＷＡＮを含む任意のタイプの通信ネットワーク３０を通じてユーザのコンピュータに接続されてもよく、または接続は、（例えば、インターネット・サービス・プロバイダを使用してインターネットを通じて）外部コンピュータに対して行われてもよい。いくつかの実施形態では、例えば、プログラマブル・ロジック回路機器、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、またはプログラマブル・ロジック・アレイ（ＰＬＡ）を含む電子回路機器は、本発明の態様を実施するために、コンピュータ可読プログラム命令の状態情報を利用して電子回路機器を個別化することによって、コンピュータ可読プログラム命令を実行することができる。

本発明の態様は、本発明の実施形態による方法、装置（システム）、およびコンピュータ・プログラム製品の流れ図またはブロック図あるいはその両方を参照しながら本明細書で説明される。流れ図またはブロック図あるいはその両方の各ブロック、および流れ図またはブロック図あるいはその両方におけるブロックの組合せは、コンピュータ可読プログラム命令によって実施できることが理解されよう。

これらのコンピュータ可読プログラム命令は、コンピュータまたは他のプログラム可能データ処理装置のプロセッサを介して実行する命令が、流れ図またはブロック図あるいはその両方の１つまたは複数のブロックで指定された機能／行為を実施するための手段を作り出すべく、汎用コンピュータ、専用コンピュータ、または機械を生み出すための他のプログラム可能データ処理装置のプロセッサに提供されてもよい。これらのコンピュータ可読プログラム命令は、また、流れ図またはブロック図あるいはその両方の１つまたは複数のブロックで指定された機能／行為の態様を実施する命令を含む製品を、命令を記憶したコンピュータ可読ストレージ媒体が備えるべく、コンピュータ可読ストレージ媒体に格納されてもよく、コンピュータ可読プログラム命令は、特定の様式で機能するようにコンピュータ、プログラム可能データ処理装置、または他のデバイス、あるいはその組合せに指図することができる。

コンピュータ可読プログラム命令は、また、コンピュータ、他のプログラム可能装置、または他のデバイス上で実行する命令が、流れ図またはブロック図あるいはその両方の１つまたは複数のブロックで指定された機能／行為を実施するべく、コンピュータ、他のプログラム可能装置、または他のデバイス上で一連の動作ステップを実施してコンピュータ実行処理を生み出すために、コンピュータ、他のプログラム可能データ処理装置、または他のデバイスにロードされてもよい。

図中の流れ図およびブロック図は、本発明の様々な実施形態によるシステム、方法、およびコンピュータ・プログラム製品の可能な実装形態のアーキテクチャ、機能、および動作を示す。この点に関して、流れ図またはブロック図の中の各ブロックは、指定の論理機能を実施するための１つまたは複数の実行可能命令を含む、命令のモジュール、セグメント、または一部を表すことができる。いくつかの代替実装形態では、ブロックに記された機能は、図に記された順序とは無関係に行われてもよい。例えば、連続して示された２つのブロックは、実際には、実質的に同時に実行されてもよく、または、ブロックは、時には、含まれる機能に応じて逆の順序で実行されてもよい。ブロック図または流れ図あるいはその両方の各ブロック、および、ブロック図または流れ図あるいはその両方におけるブロックの組合せは、指定の機能もしくは行為を行うか、専用ハードウェアとコンピュータ命令の組合せを実行する専用ハードウェア・ベースのシステムによって実施できることにも留意されたい。

本説明および特許請求の範囲は、例証的実施形態の特定の特徴および要素に関して、用語「ａ」、「のうちの少なくとも１つ」、および「のうちの１つまたは複数」を使用することがある。これらの用語および句は、特定の例証的実施形態に存在する特定の特徴または要素のうちの少なくとも１つが存在するが、２つ以上が存在することも可能であると述べることを意図することを理解されたい。すなわち、これらの用語／句は、本説明もしくは特許請求の範囲を、存在する単一の特徴／要素に限定すること、または、複数のこのような特徴／要素が存在する必要があることを意図するものではない。反対に、これらの用語／句は、少なくとも単一の特徴／要素を必要としているに過ぎず、複数のこのような特徴／要素が、本説明および特許請求の範囲の範囲内にある可能性がある。

さらに、以下の説明は、例証的実施形態の様々な要素の複数の様々な例を使用して、例証的実施形態の実例の実装形態をさらに示し、例証的実施形態のメカニズムの理解を支援することを理解されたい。これらの例は、非限定的であることを意図するものであり、例証的実施形態のメカニズムを実施するための様々な可能性をカバーするものではない。本発明の思想および範囲から逸脱することなく、本明細書で提供された例に加えてまたはこれと引き替えに利用されるこれらの様々な要素に対する他の多くの代替実装形態があることが、本説明を考慮すると当業者には明らかであろう。

図のシステムおよびプロセスは、排他的なものではない。同じ目的を達成するために、本明細書で説明される実施形態の原理に従って、他のシステム、プロセス、およびメニューが導出されてもよい。本明細書で示され説明される実施形態および変形形態は、例証のためのものに過ぎないことが理解されよう。現在のデザインに対する修正は、実施形態の範囲から逸脱することなく、当業者によって実施されてもよい。本明細書で説明されるように、様々なシステム、サブシステム、エージェント、マネージャ、およびプロセスが、ハードウェア構成要素、ソフトウェア構成要素、またはその組合せ、あるいはその組合せを使用して実施されることが可能である。本明細書における請求要素は、句「のための手段（ｍｅａｎｓ ｆｏｒ）」を使用して要素が明確に列挙されない限り、３５ Ｕ．Ｓ．Ｃ１１２（ｆ）の規定の下で解釈されることにはならない。

検出および監視するための例示的方法が、これから図３～図６Ｃを参照しながら示される。図３を詳しく参照すると、例示的方法３００は、ステップ３０５で始まり、バイアス監視コンピューティング・システム１４が、瞬間単語サーチを可能にするために訓練データにインデックスを付ける。この例では、訓練データにインデックスを付けることは、アプリケーションの特徴の値と目標変数との間の相関の計算を可能にするフル・テキスト・サーチ・インデックスを適用することによって行われることが可能である。訓練データにインデックスを付けることによって、開示の技術は、目標変数との高い相関を有し、追加のデータに適合されることも可能な、特徴値をサーチすることができる。この例では、バイアス監視コンピューティング・システム１４は、１つまたは複数の訓練データ・サーバ１６（１）～１６（ｎ）のうちの１つから訓練データを取得することができるが、訓練データは、他の記憶場所から取得されることが可能である。ステップ３０５の例が、これから、図４Ａおよび図４Ｂを参照しながらさらに示される。図４Ａに示されているように、バイアス監視コンピューティング・システム１４は、訓練データを得るために、ホスト名またはインターネット・プロトコル（ＩＰ）アドレス、セキュア・ソケット・レイヤ（ＳＳＬ）ポート、および、１つまたは複数の訓練データ・サーバ１６（１）～１６（ｎ）のうちの１つに存在するデータベースを入力する。次に、図４Ｂに示されているように、バイアス監視コンピューティング装置１４は、スキーマおよびテーブルの名称を含めることによって、訓練テーブルから固有の訓練データを選択するが、他のタイプの情報が含まれることが可能である。この例では、人工知能モデルは、教師あり学習モデルであり、モデル・タイプは、２項分類、マルチ・クラス分類、または回帰であることが可能である。さらに、この例では、入力される訓練データは、構造化データであることが可能である。

次に、ステップ３１０において、バイアス監視コンピューティング・システム１４は、ステップ３０５において上記で示されたインデックス付きデータおよび訓練済人工知能モデルを使用して、各特徴の値と目標変数との間の相関を決定する。例として、目標変数は、機械学習による予測値に関するものである。

次に、ステップ３１５において、バイアス監視コンピューティング・システム１４は、特徴の各値について、これらが好都合(favorable)であるか不都合(unfavorable)であるかを決定するために、相関の差Ｆを計算する。この例では、好都合は、機械学習モデルによる判断の好まれるまたは望ましい結果に関するものであり、不都合は、機械学習モデルによる判断の好まれないまたは望ましくない結果に関するものである。例として、ローン申請の承認／拒絶の２値分類モデルでは、承認は、好都合に対応し、拒絶は、不都合に対応する。この例では、バイアス監視コンピューティング・システム１４は、下記で説明される公式を使用して、第１の値、第２の値、絶対値、および総計を計算し、相関させる。

上記の公式の使用の例が、これから示される。この例の好都合および不都合値は、「ノー・リスク」または「リスク」である。例として、性別に関連付けられた値の値ＭおよびＦがある場合、および、合計５０レコードがあり、そのうち、２０レコードが、性別をＭとして有し、好都合な値が「ノー・リスク」であり、１５レコードが性別を「Ｆ」として有し、好都合な値が「ノー・リスク」であり、１０レコードが、性別Ｍ、および「リスク」として不都合な値を有し、５レコードが性別をＦとして、および不都合な値をリスクとして有する場合、「ノー・リスク」を目標変数として、および性別Ｍを性別データにおける特徴値として計算することは、０．９５（（２０）／（２０＋１０））／（（２０＋１５）／（５０））＝０．９５の値を与えるはずである。

ステップ３２０において、バイアス監視コンピューティング・システム１４は、相関の計算が、全ての特徴に対して実施されたかどうかを決定する。相関の計算が、全ての特徴に対して実施されていないとバイアス監視コンピューティング・システム１４が決定した場合、ステップ３１５への、いいえの分岐が行われる。それでも、相関の計算が全ての特徴に対して実施されたとバイアス監視コンピューティング・システム１４が決定したとき、ステップ３２５への、はいの分岐が行われる。

ステップ３２５において、バイアス監視コンピューティング・システム１４は、特徴ごとの傾向を提示し、フィードバック・データを使用して計算された相関値、すなわちＦ（ｆ）が存在するかどうかを決定する。Ｆ（ｆ）が存在するとバイアス監視コンピューティング・システム１４が決定した場合、ステップ３３０への、はいの分岐が行われる。この例では、ステップ３１５において示された特徴ごとのＦの値が、特徴における各値に対するｒ（特徴，好都合／不都合）を用いて、以下の公式によって、取得される。Ｆ＝ｓｕｍ（｜ｒ（特徴，好都合）－ｒ（特徴，不都合）｜）。したがって、Ｆが各特徴に対して決定され、特徴ごとの傾向は、監視されることになる特徴を選択するのに有用である。

ステップ３３０において、バイアス監視コンピューティング・システム１４が、監視されることになる特徴の候補として、Ｆ（ｔ）＊ａ≦Ｆ（ｆ）を満たす特徴を提案する。この例では、Ｆ（ｔ）は、訓練データで計算されたＦを意味し、Ｆ（ｆ）は、フィードバック・データで計算されたＦを意味し、公式は、各特徴に対して使用され、ここで、ａは、任意の値をとることができる。ステップ３３０の例が図５に示されており、例示的フローは、下記でさらに示されるステップ３４０に進む。図５に示されているように、バイアス監視コンピューティング・システム１４は、上記で示された公式を満たす特徴として性別および年齢を提案する。

それでも、ステップ３２５において、Ｆ（ｆ）が存在しないとバイアス監視コンピューティング・システム１４が決定した場合、ステップ３３５への、いいえの分岐が行われる。ステップ３３５において、バイアス監視コンピューティング・システム１４が、選択された特徴の「ｒ」を参照して、図６Ａ～図６Ｃに示されているように、好都合と高い相関を有する選択された特徴の値が多数派の候補として提案され、不都合と高い相関を有する選択された特徴の値が少数派の候補として提案される。例として、多数派は、好都合の一因となる可能性がより高くなる特徴値のグループに関するものであり、少数派は、不都合の一因となる可能性がより高くなる特徴グループ値に関するものである。ローン申請の承認／拒絶の２値分類モデルにおける特徴の例として性別をとると、男性が多数派に属し、女性が少数派に属する。代替として、特徴の例として年収をとると、日本円で１千万円以上の年収を有する人物が多数派に属し、日本円で３百万円以下の年収を有する人物が少数派に属する。

例として、好都合および不都合な値が「ノー・リスク」および「リスク」である場合、「Ｍ」および「Ｆ」は、性別に関連付けられた値であり、総レコード数が５０であり、この中に、「性別」列として「Ｍ」、および「ノー・リスク」を有する２０レコード、「性別」列として「Ｆ」、および目標変数として「ノー・リスク」を有する１５レコード、「性別」列として「Ｍ」、および目標変数として「リスク」を有する１０レコード、ならびに、「性別」列として「Ｆ」、および目標変数として「リスク」を有する５レコードがあり、監視される特徴として性別が選択される場合、値は以下のように計算されたｒである。ｒ（「Ｍ」，「ノー・リスク」）＝（（２０）／（２０＋１０））／（（２０＋１５）／（５０））＝０．９５、ｒ（「Ｆ」，「ノー・リスク」）＝（（１５）／（１５＋５））／（（２０＋１５）／（５０））＝１．０７、ｒ（「Ｍ」，「リスク」）＝（（１０）／（２０＋１０））／（（１０＋５）／（５０））＝１．１１、およびｒ（「Ｆ」，「リスク」）＝（（５）／（１５＋５））／（（１０＋５）／（５０））＝０．８３。したがって、この例証的な例では、好都合（「ノー・リスク」）と高い相関を有する選択された特徴の値は「Ｆ」であり、したがって「Ｆ」が多数派の候補として提案される。その一方で、不都合（「リスク」）と高い相関を有する選択された特徴の値は「Ｍ」であり、したがって「Ｍ」が少数派の候補として提案される。

次に、ステップ３４０において、バイアス監視コンピューティング・システム１４は、フィードバック・データを提供し、データにインデックスを付け、例示的フローは、ステップ３１０に進む。この例では、フィードバック・データは、新しいデータであり、このデータは、訓練データと同じフォーマットであり、モデルへの実際の入力に応答してモデルによって予測されたものであるはずの追加されることになる正しい回答データである。さらに、フィードバック・データは、任意の回数、提供されることが可能である。

上記で示された技術を使用することによって、開示の技術は、別のやり方ではデータ科学者などの人間によって識別されないことがある潜在的バイアスを有する特徴を正確に識別することができる。さらに、訓練データにインデックスを付けることは、新しいデータを簡単に追加することを可能にし、効率的な計算をサポートする。目標変数の設定のエラーまたは同様のものが通告され、設定が変更されたときでも、実際に使用されるモデルとは別個のインデックスを用意することは、相関を動的に計算することを可能にし、したがって、インデックスは有用である。さらに、開示の技術は、新しいデータにも適用されることが可能であり、したがって、時代の流れに応じた特徴の変化を取り扱うこともできる。

例として、訓練データに開示の技術を適用するときに、アプリケーションにおいて監視される特徴として年齢が選択されず、フィードバック・データと呼ばれる新しいデータに開示の技術を適用するときに、ステップ３３０におけるＦ（ｔ）＊ａ≦Ｆ（ｆ）を年齢の特徴が満たす場合、監視されることになる特徴の候補として年齢が新たに推奨される。したがって、新しいデータが追加されるたびに開示の技術を適用することによって、監視されることになる特徴の候補が、最新の計算結果から提案され、各特徴の傾向の変化も検出される。新しいデータを用いるこの技術は、訓練データにおいて識別されないはずだが、潜在的バイアスを有する、特徴を見つけることを可能にする。

本発明は、例示的実施形態を参照しながら説明されてきたが、例示的実施形態に限定されない。当業者は、非常に多くの変更および修正が、本発明の好ましい実施形態に対して行われること、ならびに、このような変更および修正が、本発明の本当の思想から逸脱することなく行われることを理解するであろう。したがって、本発明の本当の思想および範囲に入るような全てのこのような同等の変形形態をカバーするように、添付の特許請求の範囲が解釈されることが意図される。

Claims (21)

1. アプリケーションにおけるバイアスを監視および検出するための方法であって、
   バイアス監視コンピューティング・システムによって、訓練データにインデックスを付けることと、
   前記バイアス監視コンピューティング・システムによって、前記インデックス付き訓練データにおける１つまたは複数の特徴と目標変数との複数の相関値を取得することと、
   前記１つまたは複数の特徴のそれぞれに対して、
   前記バイアス監視コンピューティング・システムによって、前記１つまたは複数の特徴のうちの前記１つと訓練済人工知能モデルによる判断の好都合な結果との前記複数の相関値のうちの相関の第１の値を計算することと、
   前記バイアス監視コンピューティング・システムによって、前記１つまたは複数の特徴のうちの前記１つと前記訓練済人工知能モデルによる判断の不都合な結果との前記複数の相関値のうちの相関の第２の値を計算することと、
   前記バイアス監視コンピューティング・システムによって、前記計算された第１の値と前記計算された第２の値との間の差の絶対値を計算することと、
   前記バイアス監視コンピューティング・システムによって、前記１つまたは複数の特徴のうちの前記１つの、前記複数の相関値の前記計算された絶対値の総計を計算することと、
   前記バイアス監視コンピューティング・システムによって、前記計算された第１の値、前記第２の値、前記絶対値、および前記総計を使用して前記１つまたは複数の特徴におけるバイアスを識別および監視することと
   を含む、方法。
2. 前記バイアス監視コンピューティング・システムによって、クライアント・デバイスから受け取られたフィードバック・データにインデックスを付けることをさらに含む、請求項１に記載の方法。
3. 前記バイアス監視コンピューティング・システムによって、訓練データ・サーバから訓練データを取得することをさらに含む、請求項１に記載の方法。
4. 前記バイアス監視コンピューティング・システムによって、前記フィードバック・データのために、前記１つまたは複数の特徴のうちの前記１つの、前記複数の相関値の前記計算された絶対値の第２の総計を計算することをさらに含む、請求項２に記載の方法。
5. 前記バイアス監視コンピューティング・システムによって、前記訓練データに関連付けられた前記計算された絶対値の前記計算された総計と、前記フィードバック・データに関連付けられた前記計算された絶対値の前記計算された総計との間の差によって決定された相関変化値を提示することをさらに含む、請求項４に記載の方法。
6. 前記相関変化値が、監視されることになる特徴の候補を表す、請求項５に記載の方法。
7. 非一過性コンピュータ可読媒体であって、少なくとも１つの機械によって実行されると、
   訓練データにインデックスを付けることと、
   前記インデックス付き訓練データにおける１つまたは複数の特徴と目標変数との複数の相関値を取得することと、
   前記１つまたは複数の特徴のそれぞれに対して、
   前記１つまたは複数の特徴のうちの前記１つと訓練済人工知能モデルによる判断の好都合な結果との前記複数の相関値のうちの相関の第１の値を計算することと、
   前記１つまたは複数の特徴のうちの前記１つと前記訓練済人工知能モデルによる判断の不都合な結果との前記複数の相関値のうちの相関の第２の値を計算することと、
   前記計算された第１の値と前記計算された第２の値との間の差の絶対値を計算することと、
   前記１つまたは複数の特徴のうちの前記１つの、前記複数の相関値の前記計算された絶対値の総計を計算することと、
   前記計算された第１の値、前記第２の値、前記絶対値、および前記総計を使用して前記１つまたは複数の特徴におけるバイアスを識別および監視することと
   を前記機械に行わせる機械実行可能コードを備える命令を格納した、非一過性コンピュータ可読媒体。
8. クライアント・デバイスから受け取られたフィードバック・データにインデックスを付けることをさらに含む、請求項７に記載の媒体。
9. 訓練データ・サーバから訓練データを取得することをさらに含む、請求項７に記載の媒体。
10. 前記フィードバック・データのために、前記１つまたは複数の特徴のうちの前記１つの、前記複数の相関値の前記計算された絶対値の第２の総計を計算することをさらに含む、請求項８に記載の媒体。
11. 前記訓練データに関連付けられた前記計算された絶対値の前記計算された総計と、前記フィードバック・データに関連付けられた前記計算された絶対値の前記計算された総計との間の差によって決定された相関変化値を提示することをさらに含む、請求項１０に記載の媒体。
12. 前記相関変化値が、監視されることになる特徴の候補を表す、請求項１１に記載の媒体。
13. バイアス監視コンピューティング・システムであって、メモリであって、前記メモリに格納されたプログラムされた命令を備える、前記メモリと、１つまたは複数のプロセッサであって、前記メモリに格納された前記プログラムされた命令を実行して、
    訓練データにインデックスを付けること、
    前記インデックス付き訓練データにおける１つまたは複数の特徴と目標変数との複数の相関値を取得すること、ならびに
    前記１つまたは複数の特徴のそれぞれに対して、
    前記１つまたは複数の特徴のうちの前記１つと訓練済人工知能モデルによる判断の好都合な結果との前記複数の相関値のうちの相関の第１の値を計算すること、
    前記１つまたは複数の特徴のうちの前記１つと前記訓練済人工知能モデルによる判断の不都合な結果との前記複数の相関値のうちの相関の第２の値を計算すること、
    前記計算された第１の値と前記計算された第２の値との間の差の絶対値を計算すること、
    前記１つまたは複数の特徴のうちの前記１つの、前記複数の相関値の前記計算された絶対値の総計を計算すること、および
    前記計算された第１の値、前記第２の値、前記絶対値、および前記総計を使用して前記１つまたは複数の特徴におけるバイアスを識別および監視すること
    を行うことができるように構成された、前記１つまたは複数のプロセッサとを備える、バイアス監視コンピューティング・システム。
14. 前記１つまたは複数のプロセッサが、前記メモリに格納された前記プログラムされた命令を実行して、クライアント・デバイスから受け取られたフィードバック・データにインデックスを付けることができるようにさらに構成された、請求項１３に記載のシステム。
15. 前記１つまたは複数のプロセッサが、前記メモリに格納された前記プログラムされた命令を実行して、訓練データ・サーバから訓練データを取得することができるようにさらに構成された、請求項１３に記載のシステム。
16. 前記１つまたは複数のプロセッサが、前記メモリに格納された前記プログラムされた命令を実行して、前記フィードバック・データのために、前記１つまたは複数の特徴のうちの前記１つの、前記複数の相関値の前記計算された絶対値の第２の総計を計算することができるようにさらに構成された、請求項１４に記載のシステム。
17. 前記１つまたは複数のプロセッサが、前記メモリに格納された前記プログラムされた命令を実行して、前記訓練データに関連付けられた前記計算された絶対値の前記計算された総計と、前記フィードバック・データに関連付けられた前記計算された絶対値の前記計算された総計との間の差によって決定された相関変化値を提示することができるようにさらに構成された、請求項１６に記載のシステム。
18. 前記相関変化値が、監視されることになる特徴の候補を表す、請求項１７に記載のシステム。
19. 前記１つまたは複数のプロセッサが、前記メモリに格納された前記プログラムされた命令を実行して、前記バイアスを伴う前記識別および監視された前記１つまたは複数の特徴を前記クライアント・デバイスに提供することができるようにさらに構成された、請求項１４に記載のシステム。
20. 前記１つまたは複数のプロセッサが、前記メモリに格納された前記プログラムされた命令を実行して、前記バイアスを伴う前記提供された１つまたは複数の特徴の好都合または不都合な判定を提供することができるようにさらに構成された、請求項１９に記載のシステム。
21. アプリケーションにおけるバイアスを監視および検出するための方法であって、
    バイアス監視コンピューティング・システムによって、ソフトウェア・アプリケーションの１つまたは複数の特徴からの特徴を識別することであって、
    訓練データにインデックスを付けることと、
    前記インデックス付き訓練データにおける１つまたは複数の特徴と目標変数との複数の相関値を取得すること含む、特徴を識別することを含む、前記特徴を識別することと、
    前記バイアス監視コンピューティング・システムによって、前記ソフトウェア・アプリケーションの前記１つまたは複数の特徴からの前記識別された特徴にバイアスがあるかどうかを決定することであって、
    前記１つまたは複数の特徴のそれぞれに対して、
    前記１つまたは複数の特徴のうちの前記１つと訓練済人工知能モデルによる判断の好都合な結果との前記複数の相関値のうちの相関の第１の値を計算することと、
    前記１つまたは複数の特徴のうちの前記１つと前記訓練済人工知能モデルによる判断の不都合な結果との前記複数の相関値のうちの相関の第２の値を計算することと、
    前記計算された第１の値と前記計算された第２の値との間の差の絶対値を計算することと、
    前記１つまたは複数の特徴のうちの前記１つの、前記複数の相関値の前記計算された絶対値の総計を計算することと、
    前記計算された第１の値、前記第２の値、前記絶対値、および前記総計を使用して前記１つまたは複数の特徴におけるバイアスを識別および監視することを含む、前記バイアスがあるかどうかを決定することと、
    前記バイアス監視コンピューティング・システムによって、前記識別された特徴において決定された前記バイアスがあるときに好都合または不都合な判定を決定することと、
    前記バイアス監視コンピューティング・システムによって、前記決定されたバイアスを伴う前記識別された特徴、および前記決定された好都合または不都合な判定を提供することと
    を含む、方法。