デプロイ前にバイアスを評価する
正解。デプロイ前にデータとモデルのバイアスを評価し、不公平がないか確認することは、公平性を保つために重要な取り組みです。
ある企業が、公平性の維持を一度きりの確認で終わらせない仕組みを作ろうとしています。モデルの公平性を保つために、ライフサイクルを通じて継続的に行うべき取り組みとして適切なものを 2 つ選んでください。
公平性を保つために継続的に行う取り組みを 2 つ選ぶ問題。
デプロイ前にバイアスを評価する
正解。デプロイ前にデータとモデルのバイアスを評価し、不公平がないか確認することは、公平性を保つために重要な取り組みです。
本番デプロイ後も継続的にモニタリングする
正解。デプロイ後も、入力データの変化(ドリフト)や集団間の性能差を継続的にモニタリングすることで、運用中に生じる不公平を早期に検出できます。
リリース後は全体精度のみ監視し、公平性は初回評価に委ねる
全体精度の監視自体は妥当ですが、データ分布の変化で集団間の性能差だけが広がることがあります。
初回評価の結果を据え置くと運用中に生じる公平性の劣化を見逃すため、公平性も継続的な監視対象に含める必要があり不正解です。
公平性の再評価は再学習・差し替えの節目にまとめて行う
再学習の節目に評価するのは一見妥当ですが、モデルを差し替えなくても入力データの変化で公平性は劣化します。
節目の間に継続的な監視がないと、その間の劣化を見逃すため不正解です。
偏りの点検は初回に入念に行い、運用中はログ確認で代替する
初回の入念な点検は有効ですが、再学習やデータ追加のたびに新たな偏りが入り込む可能性があります。
稼働ログの確認だけでは偏りの再混入を検出できず、データ更新のたびの点検が必要なため不正解です。
公平性はライフサイクルを通じて保ちます。『デプロイ前にバイアスを評価する(不公平を是正してから公開)』『デプロイ後も継続的にモニタリングする(ドリフトや集団間の性能差を早期検出)』が重要な取り組みです。初回構築時だけ・節目だけの確認では、その間に生じる公平性の劣化を見逃します。