Avancer l'IA éthique : équité, diversité et confidentialité dans la modélisation generative
FR |
EN
Auteur / Autrice : | Mariia Zameshina |
Direction : | Laurent Najman, Olivier Teytaud |
Type : | Thèse de doctorat |
Discipline(s) : | Informatique |
Date : | Soutenance le 26/03/2024 |
Etablissement(s) : | Université Gustave Eiffel |
Ecole(s) doctorale(s) : | École doctorale Mathématiques, Sciences et Technologies de l'Information et de la Communication (Champs-sur-Marne, Seine-et-Marne ; 2010-....) |
Partenaire(s) de recherche : | Laboratoire : Laboratoire d'informatique de l'Institut Gaspard Monge (1997-2009) - Laboratoire d'informatique de l'Institut Gaspard Monge (1997-2009) |
Jury : | Président / Présidente : Julia Kempe |
Examinateurs / Examinatrices : Laurent Najman, Olivier Teytaud, Liva Ralaivola, Jean-Michel Loubès, Emily Wenger, Stéphane Lathuiliere | |
Rapporteur / Rapporteuse : Liva Ralaivola, Jean-Michel Loubès |
Mots clés
FR |
EN
Résumé
FR |
EN
Cette thèse explore les considérations éthiques dans la modélisation générative, se concentrant sur la vie privée, la diversité et l'équité dans la génération d'images. Nous proposons des méthodes pour améliorer la diversité des images, y compris une technique appelée ''Diverse Diffusion'', qui encourage la production d'images variées au-delà des aspects de genre et d'ethnicité. Nous introduisons également PrivacyGAN, une méthode robuste pour protéger les informations sensibles dans les images faciales. En outre, nous concevons des algorithmes d'équité non supervisés pour traiter les problèmes d'équité et de collapse des modes dans la modélisation générative