Fairness in KI-Systemen

要約

AI 支援による意思決定が人々の生活に影響を与えるほど、そのような意思決定の公平性がより重要になります。
この章では、機械学習における公平性に関する研究について紹介します。
具体的な例を用いて主な公平性の定義と公平性を達成するための戦略を説明し、ヨーロッパの文脈で公平性研究を位置づけます。
私たちの貢献は学際的な読者を対象としているため、数学的な定式化を避け、視覚化と例に重点を置いています。
— Je mehr KI-gest\’utzte Entscheidungen das Leben von Menschen betreffen, desto wichtiger ist die Fairness solcher Entscheidungen.
公平性を保つためには、システム管理が必要です。
公平性の定義と戦略を正しく設定し、ヨーロッパの公正性と優先順位を決定します。
Unser Beitrag richtet sich dabei an ein interdisziplin\’ares Publikum und verzichtet daher auf die mathematische Formulierungsondern betont Visualisierungen und Beispiele。

要約(オリジナル)

The more AI-assisted decisions affect people’s lives, the more important the fairness of such decisions becomes. In this chapter, we provide an introduction to research on fairness in machine learning. We explain the main fairness definitions and strategies for achieving fairness using concrete examples and place fairness research in the European context. Our contribution is aimed at an interdisciplinary audience and therefore avoids mathematical formulation but emphasizes visualizations and examples. — Je mehr KI-gest\’utzte Entscheidungen das Leben von Menschen betreffen, desto wichtiger ist die Fairness solcher Entscheidungen. In diesem Kapitel geben wir eine Einf\’uhrung in die Forschung zu Fairness im maschinellen Lernen. Wir erkl\’aren die wesentlichen Fairness-Definitionen und Strategien zur Erreichung von Fairness anhand konkreter Beispiele und ordnen die Fairness-Forschung in den europ\’aischen Kontext ein. Unser Beitrag richtet sich dabei an ein interdisziplin\’ares Publikum und verzichtet daher auf die mathematische Formulierung sondern betont Visualisierungen und Beispiele.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google