问题何在，琳达？合取谬误作为一个公平性问题

人工智能（AI）领域正致力于创建尽可能接近类人智能的自动化决策（ADM）系统。这一努力推动 AI 研究者探索心理学等认知领域。丹尼尔·卡尼曼与已故阿莫斯·特沃斯基关于有偏人类决策（包括合取谬误研究）的工作因此经历了第二次复兴。在合取谬误下，人类决策者会违背基本概率定律，认为一个合取事件比其组成部分之一更可能发生。通过一系列实验（以琳达问题最为著名）已反复证明这一点。尽管这种跨学科努力值得欢迎，我们担忧 AI 研究者忽视了琳达问题所揭示的合取谬误背后的驱动力：琳达必须被刻板地描述为一女性这一事实。本文重新审视琳达问题并将其表述为一个公平性问题。为此，我们通过结构因果感知框架引入感知作为关注参数。利用一个说明性决策示例，我们展示了所提出的概念框架及其对开发公平 ADM 系统的潜在影响。