正确实现公平：面向从业者的工具箱
人工智能
2020-03-17 v1 人机交互
摘要
AI系统无意中嵌入并复制偏见的潜在风险已引起机器学习从业者和广大社会的关注。随着政策制定者愿意为算法和AI技术设定标准，如何完善现有法规以强制自动化系统的决策公平且无歧视这一问题再次变得关键。同时，研究者已证明各种现有公平性度量在统计上相互排斥，且正确选择主要取决于用例和公平性的定义。认识到实现公平AI的解决方案并非纯数学问题，而是需要利益相关者承诺定义所期望的公平本质，本文提议起草一个帮助从业者确保公平AI实践的工具箱。基于应用性质与可用训练数据，以及法律要求与伦理、哲学和文化维度，该工具箱旨在识别最合适的公平性目标。此方法试图构建公平性度量这一复杂图景，从而使不同可用选项对非技术人员更易理解。在确证公平AI不存在万能解决方案的情况下，该工具箱意在产出相对于其本地语境尽可能公平的AI系统。
引用
@article{arxiv.2003.06920,
title = {Getting Fairness Right: Towards a Toolbox for Practitioners},
author = {Boris Ruf and Chaouki Boutharouite and Marcin Detyniecki},
journal= {arXiv preprint arXiv:2003.06920},
year = {2020}
}
备注
Accepted at the Workshop on Fair and Responsible AI at CHI2020