论机器学习中硬件选择对公平性的影响
机器学习
2024-09-04 v2 人工智能
计算机与社会
摘要
在机器学习生态系统中，硬件选择通常仅被视为一种实用工具，被算法和数据的光环所掩盖。这种忽视在机器学习即服务等平台中尤为成问题，因为用户通常无法控制用于模型部署的硬件。硬件的选择如何影响泛化特性？本文研究了硬件对模型性能与公平性之间微妙平衡的影响。我们证明，硬件选择会加剧现有的差异，并将这些差异归因于不同人口群体间梯度流和损失曲面的变化。通过理论与实证分析，本文不仅识别了潜在因素，还提出了一种有效策略以缓解由硬件引发的性能不平衡。
引用
@article{arxiv.2312.03886,
title = {On The Fairness Impacts of Hardware Selection in Machine Learning},
author = {Sree Harsha Nelaturu and Nishaanth Kanna Ravichandran and Cuong Tran and Sara Hooker and Ferdinando Fioretto},
journal= {arXiv preprint arXiv:2312.03886},
year = {2024}
}