表征性危害的分类与度量:以图像标注为例
计算机与社会
2023-05-04 v1
摘要
在本文中,我们考察用于度量图像标注系统“公平性”的计算方法,发现它们可归为五个不同类别,各自具有其分析基础。我们还识别出一系列规范性关切,在讨论图像标注的问题案例时,这些关切常被归并到“不公平”“偏见”甚至“歧视”等术语之下。具体而言,我们识别出图像标注系统可能导致的四类表征性危害,并为每类提供具体示例。我们随后考量不同的计算度量方法如何映射到这些类型,表明二者并非一一对应。我们的发现强调,没有任何单一度量方法具有决定性,且无法从特定度量方法的使用推断出其旨在度量的危害类型。最后,借助对图像标注系统所致表征性危害类型更细粒度的理解,我们表明缓解其中某些危害类型的尝试可能彼此相互制约。
引用
@article{arxiv.2305.01776,
title = {Taxonomizing and Measuring Representational Harms: A Look at Image Tagging},
author = {Jared Katzman and Angelina Wang and Morgan Scheuerman and Su Lin Blodgett and Kristen Laird and Hanna Wallach and Solon Barocas},
journal= {arXiv preprint arXiv:2305.01776},
year = {2023}
}
备注
AAAI-23 Special Track on AI for Social Impact