针对未观测特征的公平性：来自技术对酷儿群体影响的洞察

算法公平性的进展在很大程度上忽略了性取向与性别认同。我们探讨酷儿群体在隐私、审查、语言、在线安全、健康与就业方面的关切，以研究人工智能对酷儿群体的积极与消极影响。这些问题凸显了公平性研究需要新方向，以考量从隐私保护、情境敏感性与过程公平，到对社会技术影响的意识以及包容性与参与式研究过程日益重要的作用等多重因素。当前大多数算法公平性方法假定公平性的目标特征——通常为种族与法定性别——可被观测或记录。性取向与性别认同是未观测特征的典型实例，它们经常缺失、未知或根本上不可度量。本文强调了发展突破既有已观测特征假设的新算法公平性方法的重要性。