文件名称：通用性：机器学习和人类在环-研究论文
文件大小：432KB
文件格式：PDF
更新时间：2024-06-29 12:56:02
machine learning artificial
越来越依赖机器学习 (ML) 的自动化决策工具被用于渗透到我们生活中的决策系统。 示例范围从提供学分、大学录取和就业的高风险决策系统，到提供广告服务的决策系统。 在这里，我们考虑尝试预测个人可能行为的数据驱动工具。 关于基于机器学习的决策的辩论催生了重要的多学科文献，主要关注公平性、问责制和透明度。 然而，我们感到震惊的是，关于是否以及如何将自动化决策工具纳入决策系统的学术和政策论述中缺乏对泛化性的关注。 本章探讨了泛化性与人机分工之间的关系决策系统。 自动化决策工具可以推广到它产生的输出与它在用于创建它的数据上产生的输出一样正确的程度。 ML 模型的通用性取决于训练过程、数据可用性以及它建模的结果的潜在可预测性。 归根结底，工具的通用性是否适合特定的决策系统取决于它是如何部署的，通常与人类裁决者一起使用。 明确地考虑普遍性突出了决策系统设计的重要方面，以及重要的规范权衡，否则可能会被遗漏。