困境工具箱：超越去偏与公平性公式的负责任AI/ML
计算机与社会
2023-09-01 v1 人工智能
机器学习
摘要
公平与伦理AI的方法近来受到新兴的、主要以定性为特点的关键数据研究领域的审视，该领域强调此类干预缺乏对语境与复杂社会现象的敏感性。我们运用其中一些经验教训，引入一个由追求负责任AI/ML过程中遇到的困境所启发的三角决策工具箱。这些困境是：(a) 数据可用性塑造问题陈述与问题陈述塑造数据之间的机会困境；(b) 可扩展性与语境适用性之间的权衡（过多数据 versus 过于特定的数据）；以及 (c) 在务实的技术客观主义与承认社会性的反思性相对主义之间的认知定位。本文倡导对负责任算法/数据驱动系统周边困境的情境化推理与创造性参与，并超越公平AI文献中公式化的偏差消除与伦理操作化叙事。
引用
@article{arxiv.2303.01930,
title = {A toolkit of dilemmas: Beyond debiasing and fairness formulas for responsible AI/ML},
author = {Andrés Domínguez Hernández and Vassilis Galanos},
journal= {arXiv preprint arXiv:2303.01930},
year = {2023}
}
备注
4 pages, 1 table. Accepted in IEEE International Symposium on Technology and Society 2022