Meta のソフトウェア エンジニアである Nailong Zhang は、次のように述べています。 メタは、管理する機械学習モデルで因果推論を使用しています。 Instagramがユーザーに送信する通知の数と種類 彼らが戻ってくるようにします。
インディアナ州パデュー大学のデータ サイエンティストである Romila Pradhan は、反事実を使用して、自動化された意思決定をより透明なものにしています。 組織は現在、機械学習モデルを使用して、クレジット、仕事、仮釈放、さらには住宅を取得する (および取得しない) 人を選択しています。 規制当局は、これらの決定の多くの結果を説明するよう組織に要求し始めています。 影響を受けた人 彼らによって。 しかし、複雑なアルゴリズムによって作成されたステップを再構築することは困難です。
プラダンは、反事実が助けになると考えています。 銀行の機械学習モデルがローン申請を拒否し、その理由を知りたいとしましょう。 その質問に答える 1 つの方法は、反事実を使用することです。 現実の世界で申請が却下された場合、あなたの信用履歴が異なる架空の世界では申請が却下されたでしょうか? 郵便番号、仕事、収入などが異なる場合はどうなりますか? プラダン氏は、こうした質問に答える能力を将来の融資承認プログラムに組み込むことで、銀行は顧客に単にイエスかノーかではなく、理由を提示できるようになると述べています。
プラダン氏は、反事実はさまざまな結果について人々がどのように考えるかという点で重要であると述べています。
また、企業が人々の行動を予測するのにも役立ちます。 反事実は、平均だけでなく、特定の状況で何が起こるかを推測することを可能にするため、テクノロジープラットフォームはそれを使用して、これまで以上に正確に人々を分類することができます.
汚れた水や融資の決定の影響を解きほぐすのと同じロジックを使用して、Spotify のプレイリスト、Instagram の通知、および広告のターゲティングの影響を磨くことができます。 この曲を再生すると、そのユーザーはより長く聴きますか? この写真を見せたら、その人はスクロールし続けますか? 「企業は、平均的なユーザーではなく、特定のユーザーにレコメンデーションを提供する方法を理解したいと考えています」と Gilligan-Lee 氏は言います。