文件名称：机器学习的公平性：政治哲学的教训-研究论文
文件大小：252KB
文件格式：PDF
更新时间：2024-06-29 09:50:56
fairness discrimination
就可操作性而言，机器学习模型的“公平”意味着什么？ 公平应该包括确保每个人都有平等的机会获得某种利益，还是应该以最小化对弱势群体的伤害为目标？ 相关的理想是否可以通过参考某种不存在特定社会歧视模式的替代性事态来确定？ 最近文献中提出的各种定义对歧视和公平等术语的含义以及如何用数学术语进行定义做出了不同的假设。 道德和政治哲学家对歧视、平等主义和正义的问题非常感兴趣，他们为这些核心概念的形式化和辩护付出了巨大的努力。 因此，将机器学习中的“公平”形式化的尝试包含这些旧哲学辩论的回声也就不足为奇了。 本文借鉴了道德和政治哲学方面的现有工作，以阐明有关公平机器学习的新兴辩论。