实用公平：制定具有结果差异控制的政策
机器学习
2023-01-31 v1 人工智能
计算机与社会
摘要
我们引入了一个用于设计满足公平性约束的最优政策的因果框架。我们采取一种务实的方法，询问利用我们可用的动作空间且仅借助历史数据能做什么。我们提出了两种不同的公平性约束：一种调节阻断约束，旨在阻断从动作和敏感属性到结果的调节路径，从而在该动作空间允许的范围内尽可能减少结果水平的差异；以及一种平等收益约束，旨在将来自新的最大化政策的收益在敏感属性水平间平等分配，从而保持既有的优待或避免引入新的差异。我们介绍了实现这些约束的实用方法，并在半合成模型的实验中展示了它们的用途。
引用
@article{arxiv.2301.12278,
title = {Pragmatic Fairness: Developing Policies with Outcome Disparity Control},
author = {Limor Gultchin and Siyuan Guo and Alan Malek and Silvia Chiappa and Ricardo Silva},
journal= {arXiv preprint arXiv:2301.12278},
year = {2023}
}