AI 公平性：从原则到实践
计算机与社会
2022-07-21 v1 人工智能
机器学习
摘要
本文总结并评估了在人工智能（AI）系统中追求公平性的各类方法、技术与手段。它审视了这些措施的优点与不足，并提出了用于定义、度量和防止 AI 偏见的实际指导方针。特别地，它警示了一些简单化但常见的 AI 系统偏见评估方法，并提供了更复杂有效的替代方案。本文还通过为高影响 AI 系统的不同利益相关者提供通用语言，解决了该领域广泛的争议与混淆。它描述了涉及 AI 公平性的各种权衡，并提供了平衡它们的实用建议。它提供了评估公平性目标成本与收益的技术，并定义了人类判断在设定这些目标中的作用。本文为 AI 从业者、组织领导者与政策制定者提供讨论与指南，并为更技术性的读者提供各类附加材料链接。文中给出众多真实案例，从实践角度阐明概念、挑战与建议。
引用
@article{arxiv.2207.09833,
title = {AI Fairness: from Principles to Practice},
author = {Arash Bateni and Matthew C. Chan and Ray Eitel-Porter},
journal= {arXiv preprint arXiv:2207.09833},
year = {2022}
}
备注
21 pages, 5 figures