AI Fairness 360 ツールキットは、研究コミュニティによって開発された、AIアプリケーションのライフサイクル全体を通じて機械学習モデルのバイアスを検出および軽減するための技術を含む、拡張可能なオープンソースライブラリです。AI Fairness 360 パッケージは Python と R の両方で利用できます。
AI Fairness 360 パッケージには、以下が含まれます。
AI Fairness 360 インタラクティブ体験 は、概念と機能へのやさしい入門を提供します。チュートリアルやその他のノートブック は、より深い、データサイエンティスト向けの入門を提供します。完全な API も利用可能です。
機能が包括的であるため、特定のユースケースにどのメトリクスとアルゴリズムが最も適切かを判断するのは難しいかもしれません。その助けとして、参照できるガイダンス資料 を作成しました。
このパッケージは拡張性を考慮して開発しました。このライブラリはまだ開発中です。皆様のメトリクス、説明ツール、デバイアスアルゴリズムの貢献を歓迎します。
install.packages("aif360")
R のセットアップに関する詳細は、こちらの手順 を参照してください。
サポートされている Python 構成:
| OS | Python バージョン |
|---|---|
| macOS | 3.10 – 3.13 |
| Ubuntu | 3.10 – 3.13 |
| Windows | 3.10 – 3.13 |
AIF360 は多くの Python パッケージの特定のバージョンを必要とするため、システム上の他のプロジェクトと競合する可能性があります。依存関係を安全にインストールできるように、仮想環境マネージャーの使用を強くお勧めします。AIF360 のインストールで問題が発生した場合は、まずこれを試してください。
すべての構成で Conda が推奨されますが、当方の目的では Virtualenv も一般的に代替可能です。conda をまだインストールしていない場合は、Miniconda で十分です(Anaconda と Miniconda の違い をご覧ください)。
次に、新しい Python 3.11 環境を作成するには、次のコマンドを実行します:
conda create --name aif360 python=3.11
conda activate aif360
シェルは (aif360) $ のようになります。環境を非アクティブ化するには、次のコマンドを実行します:
(aif360)$ conda deactivate
プロンプトは $ に戻ります。
pip でのインストールPyPI から最新の安定版をインストールするには、次のコマンドを実行します:
pip install aif360
注: 一部のアルゴリズムは追加の依存関係を必要とします(ただし、メトリクスはすべて追加設定なしで動作します)。特定のアルゴリズムの依存関係を含めてインストールするには、たとえば次のコマンドを実行します:
pip install 'aif360[LFR,OptimPreproc]'
または、完全な機能を利用するには、次のコマンドを実行します:
pip install 'aif360[all]'
利用可能なエクストラのオプションは次のとおりです: OptimPreproc, LFR, AdversarialDebiasing, DisparateImpactRemover, LIME, ART, Reductions, FairAdapt, inFairness, LawSchoolGPA, notebooks, tests, docs, all
エラーが発生した場合は、トラブルシューティング の手順を試してください。
このリポジトリの最新バージョンをクローンします:
git clone https://github.com/Trusted-AI/AIF360
サンプルを実行する場合は、aif360/data/README.md の説明に従って、データセットをダウンロードし、それぞれのフォルダーに配置してください。
次に、プロジェクトのルートディレクトリに移動して、次のコマンドを実行します:
pip install --editable '.[all]'
サンプルのノートブックを実行するには、上記の手動インストール手順を完了してください。次に、[all] オプションを使用しなかった場合は、次のように追加の要件をインストールします:
pip install -e '.[notebooks]'
最後に、まだ行っていない場合は、aif360/data/README.md の説明に従ってデータセットをダウンロードしてください。
インストールプロセス中にエラーが発生した場合は、ここで問題を探して解決策を試してください。
詳細な手順については、pip で TensorFlow をインストール のページを参照してください。
注: 'tensorflow >= 1.13.1' が必要です。
tensorflow がインストールされたら、次のコマンドを再実行してみてください:
pip install 'aif360[AdversarialDebiasing]'
TensorFlow は、aif360.algorithms.inprocessing.AdversarialDebiasing クラスを使用する場合にのみ必要です。
MacOS では、これまでにインストールしたことがない場合は、まず Xcode コマンドラインツールをインストールする必要がある場合があります:
xcode-select --install
Windows では、Visual Studio 2019 用の Microsoft C++ Build Tools をダウンロードする必要がある場合があります。最新の手順については、CVXPY インストール のページを参照してください。
その後、次のコマンドで再インストールしてみてください:
pip install 'aif360[OptimPreproc]'
CVXPY は、aif360.algorithms.preprocessing.OptimPreproc クラスを使用する場合にのみ必要です。
examples ディレクトリには、AI Fairness 360 をさまざまな方法で使用する多様な Jupyter ノートブックが含まれています。チュートリアルとデモの両方が、AIF360 を使用した動作するコードを示しています。チュートリアルでは、ノートブックのさまざまな手順をユーザーに案内する追加の説明が提供されます。チュートリアルとデモの詳細はこちら を参照してください。
AI Fairness 360 の技術的な説明は、この論文 で入手できます。以下は、この論文の bibtex エントリです。
@misc{aif360-oct-2018,
title = "{AI Fairness} 360: An Extensible Toolkit for Detecting, Understanding, and Mitigating Unwanted Algorithmic Bias",
author = {Rachel K. E. Bellamy and Kuntal Dey and Michael Hind and
Samuel C. Hoffman and Stephanie Houde and Kalapriya Kannan and
Pranay Lohia and Jacquelyn Martino and Sameep Mehta and
Aleksandra Mojsilovic and Seema Nagar and Karthikeyan Natesan Ramamurthy and
John Richards and Diptikalyan Saha and Prasanna Sattigeri and
Moninder Singh and Kush R. Varshney and Yunfeng Zhang},
month = oct,
year = {2018},
url = {https://arxiv.org/abs/1810.01943}
}
Rich Subgroup Fairness(inprocessing/gerryfair_classifier.py) の開発用フォークはこちら です。コントリビューションを歓迎します。著者による潜在的なコントリビューションのリストはこちら にあります。