公平的隐形力量：机器学习如何塑造民主
机器学习
2019-03-25 v1 机器学习
摘要
许多机器学习系统广泛利用大量关于人类行为的数据。若干研究者已发现与人类社会相关机器学习系统使用相关的各类歧视性做法，例如在刑事司法、信用评分和广告领域。因此，公平机器学习作为一个新兴研究领域正在兴起，旨在缓解算法中无意引入的偏差。数据科学家和计算机工程师正做出各种努力以提供公平性的定义。在本文中，我们概述机器学习领域中最广为流传的公平性定义，主张凸显每种形式化的理念与不同的正义观念以及我们文化中蕴含的对民主的不同诠释密切相关。本工作旨在分析迄今提出的公平性定义，以解读其潜在标准，并将其与不同的民主观念相联系。
引用
@article{arxiv.1903.09493,
title = {The invisible power of fairness. How machine learning shapes democracy},
author = {Elena Beretta and Antonio Santangelo and Bruno Lepri and Antonio Vetrò and Juan Carlos De Martin},
journal= {arXiv preprint arXiv:1903.09493},
year = {2019}
}
备注
12 pages, 1 figure, preprint version, submitted to The 32nd Canadian Conference on Artificial Intelligence that will take place in Kingston, Ontario, May 28 to May 31, 2019