迈向人工智能中正确类型的公平性

公平是正义的一种概念。存在多种定义，其中一些彼此冲突。在缺乏统一接受的公平性概念的情况下，为特定情境选择正确类型一直是人类历史上的核心问题。当涉及在人工智能系统中实现可持续的公平性时，这个古老的问题再次发挥关键作用：如何为特定应用确定最合适的公平性度量？答案通常取决于语境，最佳选择依赖于伦理标准与法律要求。由于目前关于该主题的伦理指南仍较为笼统，我们旨在通过本文提供更具操作性的指导。因此，我们首先梳理现有公平性度量的复杂图景，并通过示例解释不同选项。此外，我们提出“公平性指南针”(Fairness Compass)，一种将选择过程形式化、并使为给定系统识别最合适公平性定义成为简单直接流程的工具。由于该过程也允许记录相应决策背后的推理，我们认为此方法能够通过解释和论证所实现的公平性来帮助建立用户信任。