论公平性定义的法律兼容性
计算机与社会
2019-12-03 v1 人工智能
机器学习
机器学习
摘要
既往文献已有效展示了机器学习（ML）公平性定义在复杂社会技术系统中应用时的意识形态鸿沟。然而，我们更进一步表明，这些定义常误解其所声称受其启发的法律概念，从而不恰当地盗用法律语言。在本文中，我们展示了这种错位的示例，并讨论了 ML 术语与其法律对应概念之间的差异，以及法律界与 ML 公平性界可从这些张力中汲取的教训。由于 ML 公平性研究界经常引用美国反歧视法中的术语，本文将焦点置于美国反歧视法。
引用
@article{arxiv.1912.00761,
title = {On the Legal Compatibility of Fairness Definitions},
author = {Alice Xiang and Inioluwa Deborah Raji},
journal= {arXiv preprint arXiv:1912.00761},
year = {2019}
}
备注
6 pages, Workshop on Human-Centric Machine Learning at the 33rd Conference on Neural Information Processing Systems (NeurIPS 2019)