Opis projektu
Opracowywanie godnych zaufania i przejrzystych inteligentnych systemów rekomendacji grupowych
Sklepy internetowe i platformy mediów społecznościowych wykorzystują inteligentne narzędzia do rekomendowania treści i moderowania postów. Na popularności zyskują systemy rekomendacji grupowych (GRS), jednak brak odpowiedniej przejrzystości algorytmów i procesów decyzyjnych ma negatywny wpływ na oferty pracy, handel elektroniczny i ekspozycję na wiadomości. Zadbanie o uczciwość i wyjaśnialność jest niezbędne do zapewnienia przejrzystości i budowania zaufania do systemów opartych na sztucznej inteligencji, takich jak GRS. Jednak choć podejmowane są próby ulepszenia tradycyjnych indywidualnych systemów rekomendacji (RS), nie zostały one jeszcze zbadane w systemach GRS. Finansowany przez MSCA projekt FIDELITY poświęcony jest opracowaniu nowych algorytmów i narzędzi w celu poprawy wyjaśnialności, sprawiedliwości i synergii w systemach GRS. Projekt zakłada wykorzystanie technik wyjaśniania post hoc, aby wypełnić lukę między wyjaśnieniem a sprawiedliwością w systemach RS i GRS.
Cel
Today, most social media networks use automated tools to recommend content or products and to rank, curate and moderate posts. Recommender systems (RSs), and in particular Group recommender systems (GRSs), -a specific kind of RSs used to recommend items to a group of users-, are likely to become more ubiquitous, with expected market forecast to reach USD 16.13 billion by 2026.
These automated content governance tools are receiving emerging interest as both algorithms and decision-making processes behind the platforms are not sufficiently transparent, with a negative impact on domains such as fair job opportunities, fair e-commerce or news exposure.
Two of the key requirements that have to be fulfilled to build and keep users’ trust in AI systems while guaranteeing transparency are Fairness and Explainability. But, aside from some previous attempts to enhance both aspects in traditional-individual RS, they have hardly been explored in GRSs.
FIDELITY addresses this challenge by developing novel algorithms and computational tools in GRS to boost explanation, fairness, and synergy between them through a disruptive multidisciplinary research approach that: 1) extensively brings SHAP and LIME, as state-of-the-art post-hoc explanation approaches in AI, into RS and GRS contexts, 2) bridges explanation and fairness in RS and GRS, introducing an explanation paradigm shift moving from “why are the recommendations generated?” to “how fair are the generated recommendations?” and, 3) transversally evaluates the new methods through real-world GRSs and user studies. The ultimate goal is to guarantee greater user trust, and independence of RS output from any of the sociodemographic characteristics of users. The training programme, designed with the aim to fill the existing gaps between computing science, social research and business development reality, will provide the candidate with a multidisciplinary background that will boost his innovation potential and career prospects.
Dziedzina nauki
Słowa kluczowe
Program(-y)
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European FellowshipsKoordynator
23071 Jaen
Hiszpania