La Causalità Proposta come Soluzione ai Compromessi dell'IA Affidabile

Un nuovo position paper sostiene che la causalità sia essenziale per risolvere i conflitti tra obiettivi di IA affidabile come equità, robustezza, privacy e spiegabilità. Gli autori reinterpretano questi compromessi come requisiti di invarianza incompatibili in seguito a cambiamenti nel processo di generazione dei dati. Propongono che la causalità offra un quadro unificante per comprendere e attenuare questi conflitti attraverso l'invarianza selettiva. L'articolo applica questa prospettiva sia ai modelli ML classici che ai modelli foundation, con l'obiettivo di bilanciare le prestazioni con molteplici obiettivi di affidabilità.