应用公平性何如?
人工智能
2018-06-15 v1 机器学习
机器学习
摘要
机器学习从业者常对其产品的伦理层面态度暧昧。我们相信,任何使我们从目前状态走向系统实现某种程度公平性的做法,都是一种值得欢迎的改进。即便这种进展未使我们 100% 达成“完全”公平的目标,或与我们个人关于应采用何种公平性度量的信念不完全一致,也是如此。只要构建了某种公平性度量,仍会使我们优于现状。应避免那些阻碍公平性及伦理关切在真实应用中落地的因素,无论是晦涩的哲学争论,还是如引入越来越多超参数之类的技术开销。本文中我们进一步阐述支持该观点及其重要性的论证。
引用
@article{arxiv.1806.05250,
title = {What About Applied Fairness?},
author = {Jared Sylvester and Edward Raff},
journal= {arXiv preprint arXiv:1806.05250},
year = {2018}
}
备注
Accepted at Machine Learning: The Debates (ML-D), at ICML Stockholm, Sweden, 2018. 5 pages