算法公平在印度的不可移植性

传统的算法公平在其子群体、价值观与优化目标上都是西方化的。在本文中，我们探讨这种很大程度上西方视角的算法公平的假设在如印度这样不同的地理文化语境中的可移植性如何。基于对36位印度学者的专家访谈以及对印度新兴算法部署的分析，我们识别出三簇挑战，它们笼罩着机器学习模型与印度受压迫社群之间的巨大鸿沟。我们认为，仅仅将技术公平性工作翻译到印度的子群体可能只是粉饰门面，相反，我们呼吁通过重新语境化数据与模型、赋权受压迫社群，更重要的是，构建生态系统，来集体地重新构想公平机器学习(Fair-ML)。