Causal Fairness Analysis: Przyczynowy zestaw narzędzi do uczciwego uczenia maszynowego

Oryginalny tytuł:

Causal Fairness Analysis: A Causal Toolkit for Fair Machine Learning

Zawartość książki:

Niedawny wzrost zainteresowania systemami sztucznej inteligencji wzbudził obawy w kręgach moralnych dotyczące ich etycznego wykorzystania i tego, czy mogą one wykazać uczciwe procesy podejmowania decyzji.

Kwestie niesprawiedliwości i dyskryminacji są wszechobecne, gdy decyzje są podejmowane przez ludzi, i są potencjalnie wzmacniane, gdy decyzje są podejmowane przy użyciu maszyn o niewielkiej przejrzystości, odpowiedzialności i uczciwości. W niniejszej monografii autorzy wprowadzają ramy analizy sprawiedliwości przyczynowej w celu zrozumienia, modelowania i ewentualnego rozwiązania kwestii sprawiedliwości w warunkach podejmowania decyzji przez sztuczną inteligencję.

Autorzy łączą kwantyfikację rozbieżności obecnych w obserwowanych danych z leżącym u ich podstaw, często nieobserwowanym, zbiorem mechanizmów przyczynowych, które w pierwszej kolejności generują rozbieżności, co nazywają Podstawowym Problemem Analizy Sprawiedliwości Przyczynowej (FPCFA). Aby rozwiązać FPCFA, badają warianty mapowania i empiryczne miary sprawiedliwości do mechanizmów strukturalnych i różnych jednostek populacji, czego kulminacją jest mapa sprawiedliwości. Niniejsza monografia przedstawia pierwszą systematyczną próbę uporządkowania i wyjaśnienia związku między różnymi kryteriami sprawiedliwości oraz badania, które założenia przyczynowe są potrzebne do przeprowadzenia przyczynowej analizy sprawiedliwości.

Powstała w ten sposób książka kucharska sprawiedliwości pozwala każdemu ocenić istnienie nierównego wpływu i nierównego traktowania. Jest to aktualne i ważne wprowadzenie do opracowywania przyszłych systemów sztucznej inteligencji zawierających nieodłączną sprawiedliwość i jako takie będzie szeroko interesujące nie tylko dla projektantów systemów sztucznej inteligencji, ale dla wszystkich, którzy są zainteresowani szerszym wpływem sztucznej inteligencji na społeczeństwo.