[論文レビュー] Evaluating race and sex diversity in the world's largest companies using deep neural networks

Konstantin Chekanov, Polina Mamoshina+4 more|arXiv (Cornell University)|Jul 9, 2017

Gender, Security, and Conflict参考文献 23被引用数 4

ひとこと要約

本研究では、世界500大企業の経営幹部における人種および性別多様性を自動的に評価するためのディープラーニング手法を提案する。顔認識モデルを用いて、取締役および経営陣のプロファイルに訓練されたニューラルネットワークを適用し、性別、人種、年齢の多様性に基づいて多様性インデックスを算出し、企業をランキング化する。この手法は、方法論的限界があるものの、偏りのない組織の多様性評価のためのスケーラブルでリアルタイムな手法を示している。

ABSTRACT

Diversity is one of the fundamental properties for the survival of species, populations, and organizations. Recent advances in deep learning allow for the rapid and automatic assessment of organizational diversity and possible discrimination by race, sex, age and other parameters. Automating the process of assessing the organizational diversity using the deep neural networks and eliminating the human factor may provide a set of real-time unbiased reports to all stakeholders. In this pilot study we applied the deep-learned predictors of race and sex to the executive management and board member profiles of the 500 largest companies from the 2016 Forbes Global 2000 list and compared the predicted ratios to the ratios within each company's country of origin and ranked them by the sex-, age- and race- diversity index (DI). While the study has many limitations and no claims are being made concerning the individual companies, it demonstrates a method for the rapid and impartial assessment of organizational diversity using deep neural networks.

研究の動機と目的

• 人工知能を用いて、自動的かつスケーラブルな方法で企業の指導的役割における多様性を評価する手法を開発すること。
• フォーブス・グローバル2000の上位企業の経営幹部および取締役会メンバーにおける人種および性別の代表割合を評価すること。
• 性別、人種、年齢の多様性インデックス（DI）を生成し、企業を客観的にランク付けすること。
• 手動分類に代えてディープラーニングモデルを用いることで、多様性評価における人為的バイアスを低減すること。
• AIを用いたリアルタイムで大規模な組織の多様性監視の実現可能性を示すこと。

提案手法

• 経営幹部および取締役のプロファイルから顔の画像を用いて、人種および性別を予測するための訓練済みディープニューラルネットワークを構築した。
• 2016年のフォーブス・グローバル2000リストに掲載された上位500社に、訓練済みモデルを適用した。
• 予測された人種・性別の割合と各国の出身国比率を比較することで、性別、人種、年齢の多様性インデックス（DI）を算出した。
• 人種についてはマルチクラス分類フレームワーク、性別についてはバイナリ分類を、畳み込みニューラルネットワーク（CNN）を用いて実装した。
• 多様性インデックススコアに基づいて企業をランク付けし、相対的な代表割合を評価した。
• 限られたラベル付きデータで性能を向上させるために、トランスファー学習および事前学習済みモデルを採用した。

実験結果

リサーチクエスチョン

• RQ1 ディープニューラルネットワークは、経営幹部の顔の画像から人種および性別を正確に予測できるか。その結果、組織の多様性を評価できるか。
• RQ2 企業経営幹部の予測された人種的・性別の割合は、各国の人口構成とどのように異なるか。
• RQ3 多様性インデックスは、性別、人種、年齢の代表割合をどの程度正確に定量化し、上位グローバル企業間でランク付けできるか。
• RQ4 手動手法と比較して、自動化されたAIベースの評価は、多様性評価における人為的バイアスをどの程度低減できるか。
• RQ5 企業ガバナンスにおける多様性分析に顔認識を用いる際の、限界およびリスクは何か。

主な発見

• ディープラーニングモデルは顔の画像から人種および性別を測定可能な性能で正確に予測でき、大規模な多様性評価が可能になった。
• 企業経営幹部の多様性構成と各国の人口比率との間に顕著な乖離が認められ、一部のグループにおける代表割合の不足が示された。
• 多様性インデックスに基づいて企業をランク付けした結果、性別、人種、年齢の次元において顕著な代表割合の差が明らかになった。
• 人為的介入なしにリアルタイムで自動化された多様性監視が可能であることが実証された。
• 本研究では、トレーニングデータにおけるバイアスの可能性や顔認識技術の使用に関する倫理的懸念といった限界を認識していた。
• 個々の企業についての主張は一切行っていないが、本フレームワークは将来的な多様性分析のスケーラブルなテンプレートを提供している。