TED 演讲评分中偏见的检测与缓解
人工智能
2020-03-03 v1
摘要
无偏的数据收集对于保证人工智能模型的公平性至关重要。内隐偏见是一种行为 conditioning 形式，它使我们把预定特征归于某些群体成员，并影响数据收集过程。本文量化了 TEDTalks 观众评分中的内隐偏见——TEDTalks 是一个评估社会与职业表现的多元社会平台——以呈现不同敏感属性上各类偏见的相关性。尽管这些视频的观众评分应纯粹反映演讲者的能力与技巧，我们对评分的分析表明，在种族和性别方面存在压倒性的、主导性的内隐偏见。在本文中，我们提出检测和缓解偏见的关键策略，以去除 AI 中的不公平性。
引用
@article{arxiv.2003.00683,
title = {Detection and Mitigation of Bias in Ted Talk Ratings},
author = {Rupam Acharyya and Shouman Das and Ankani Chattoraj and Oishani Sengupta and Md Iftekar Tanveer},
journal= {arXiv preprint arXiv:2003.00683},
year = {2020}
}