Novas abordagens para lidar com imparcialidade e transparência em problemas de aprendizado de máquina

Resumo

Técnicas de aprendizado de máquina vêm sendo utilizadas na construção de sistemas automáticos a fim de lidar com diversos problemas práticos. Exemplos são as aplicações em sistemas de liberação de créditos, os quais avaliam se um indivíduo levará a uma possível inadimplência no pagamento do crédito recebido, ou em sistemas judiciais, os quais preveem se o réu sob julgamento pode vir a ser reincidente. De forma geral, o intuito desses sistemas é auxiliar os tomadores de decisão em suas tarefas complexas, as quais podem ser difíceis de lidar devido ao grande número de informações disponíveis ou ao raciocínio muitas vezes enviesado dos próprios decisores. No entanto, o que se nota em situações reais é que a aplicação de alguns algoritmos provoca a discriminação de grupos específicos de indivíduos. Dessa forma, surge a necessidade em se explorar técnicas de aprendizado de máquina que levam em conta características como a imparcialidade e a transparência na construção do sistema adotado. É neste contexto que se enquadra este projeto de pesquisa. Mais precisamente, essas preocupações serão abordadas tanto na etapa de pré-processamento, por meio de um método baseado na análise de componente principais, quanto nas etapas de treinamento e classificação, através do uso da otimização multiobjetivo e da integral de Choquet. A partir dos métodos propostos, então, será possível a construção de sistemas automáticos cuja aplicação não resulta em disparidades éticas em relação aos indivíduos sob análise. Vale ressaltar que nossas propostas são generalistas, ou seja, podem ser utilizadas para a aplicação nos mais diversos problemas em aprendizado de máquina.