論文の概要: Fairness as Equality of Opportunity: Normative Guidance from Political Philosophy

• arxiv url: http://arxiv.org/abs/2106.08259v1
• Date: Tue, 15 Jun 2021 16:07:58 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-16 18:59:38.529667
• Title: Fairness as Equality of Opportunity: Normative Guidance from Political Philosophy
• Title（参考訳）: 機会平等としての公正--政治哲学からの規範的指導
• Authors: Falaah Arif Khan, Eleni Manis, Julia Stoyanovich
• Abstract要約: 政治哲学から機会平等主義(EOP)を用いた公正理想の分類法を導入する。 我々は、哲学におけるそれらの概念と、公正な機械学習における体系化の提案を明確にする。 フェアネス・アズ・エOPフレームワークを使用して、哲学的な観点から不合理な結果を再解釈します。
• 参考スコア（独自算出の注目度）: 8.228275343025462
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Recent interest in codifying fairness in Automated Decision Systems (ADS) has resulted in a wide range of formulations of what it means for an algorithmic system to be fair. Most of these propositions are inspired by, but inadequately grounded in, political philosophy scholarship. This paper aims to correct that deficit. We introduce a taxonomy of fairness ideals using doctrines of Equality of Opportunity (EOP) from political philosophy, clarifying their conceptions in philosophy and the proposed codification in fair machine learning. We arrange these fairness ideals onto an EOP spectrum, which serves as a useful frame to guide the design of a fair ADS in a given context. We use our fairness-as-EOP framework to re-interpret the impossibility results from a philosophical perspective, as the in-compatibility between different value systems, and demonstrate the utility of the framework with several real-world and hypothetical examples. Through our EOP-framework we hope to answer what it means for an ADS to be fair from a moral and political philosophy standpoint, and to pave the way for similar scholarship from ethics and legal experts.
• Abstract（参考訳）: ADS(Automated Decision Systems)における公正性の体系化に対する近年の関心は、アルゴリズムシステムが公正であることの意味を広く定式化している。 これらの命題の多くは、政治哲学の奨学金に着想を得ているが、不十分である。 本稿は,その赤字を是正することを目的とする。 本稿では、政治哲学から機会平等主義(EOP)を用いた公正理想の分類を導入し、哲学の概念と公正機械学習における提案された体系化を明確にする。 フェアネスの理想をEOPスペクトルに配置し、与えられたコンテキストにおけるフェアADSの設計を導くのに有用なフレームとして機能する。 フェアネス・アズ・エOPフレームワークを用いて、哲学的な観点から、異なる価値システム間の非互換性として、不合理な結果を再解釈し、実世界の実例と仮説的な例でフレームワークの有用性を実証する。 EOPの枠組みを通じて、ADSが道徳的、政治的哲学の観点から公正であることの意味に答え、倫理学や法学の専門家から同様の奨学金を得る道を開いたいと考えています。

関連論文リスト

• AI Fairness in Practice [0.46671368497079174]
  フェアネスの概念が何を意味するのか、どのように実践されるべきなのか、社会全体に幅広い見解がある。 このワークブックは、AIフェアネスを理解するためのコンテキストベースのアプローチが、プロジェクトチームにとって、不公平な偏見と差別がAIプロジェクトワークフロー全体にわたって生み出す多くの方法を特定し、緩和し、管理する上で、どのように役立つかを説明している。
  論文  参考訳（メタデータ） (2024-02-19T23:02:56Z)
• Towards Responsible AI in Banking: Addressing Bias for Fair Decision-Making [69.44075077934914]
  責任AI(Responsible AI)は、企業文化の発展におけるバイアスに対処する重要な性質を強調している。 この論文は、バイアスを理解すること、バイアスを緩和すること、バイアスを説明することの3つの基本的な柱に基づいて構成されている。 オープンソースの原則に従って、アクセス可能なPythonパッケージとして、Bias On DemandとFairViewをリリースしました。
  論文  参考訳（メタデータ） (2024-01-13T14:07:09Z)
• When fairness is an abstraction: Equity and AI in Swedish compulsory education [0.23967405016776386]
  人工知能の専門家は、AIが公正かどうかをしばしば疑問視する。彼らは公正を、社会政治や経済システムではなく、AIシステムの特性と見なしている。 本稿では、教育システムがAIを運用・活用する社会、政治、経済の文脈において公正である必要があることを強調する。
  論文  参考訳（メタデータ） (2023-11-03T10:52:16Z)
• Evaluating the Fairness of Discriminative Foundation Models in Computer Vision [51.176061115977774]
  本稿では,CLIP (Contrastive Language-Pretraining) などの差別基盤モデルのバイアス評価のための新しい分類法を提案する。 そして、これらのモデルにおけるバイアスを緩和するための既存の手法を分類学に関して体系的に評価する。 具体的には,ゼロショット分類,画像検索,画像キャプションなど,OpenAIのCLIPとOpenCLIPモデルをキーアプリケーションとして評価する。
  論文  参考訳（メタデータ） (2023-10-18T10:32:39Z)
• Causal Fairness for Outcome Control [68.12191782657437]
  本稿では,自動システムにおいて,公平かつ公平な結果変数を最適化することを目的とした,結果制御と呼ばれる特定の意思決定タスクについて検討する。 本稿では、まず因果レンズを通して利益の概念を分析し、特定の個人が肯定的な決定によってどれだけの利益を得られるかを明らかにする。 次に、保護された属性の影響を受けている可能性があることに留意し、これを分析するために使用できる因果的ツールを提案する。
  論文  参考訳（メタデータ） (2023-06-08T09:31:18Z)
• Causal Fairness Analysis [68.12191782657437]
  意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。 我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。 本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
  論文  参考訳（メタデータ） (2022-07-23T01:06:34Z)
• Towards Substantive Conceptions of Algorithmic Fairness: Normative Guidance from Equal Opportunity Doctrines [6.751310968561177]
  我々は、政治哲学から平等なオッポチュニティの教義を用いて、アルゴリズム的公正性の異なる概念に埋め込まれた規範的判断を明確にする。 我々はこの分類学を用いて、公正競争の異なる概念の相容れない結果の道徳的解釈を提供する。
  論文  参考訳（メタデータ） (2022-07-06T18:37:37Z)
• Fairness in Agreement With European Values: An Interdisciplinary Perspective on AI Regulation [61.77881142275982]
  この学際的立場の論文は、AIにおける公平性と差別に関する様々な懸念を考察し、AI規制がそれらにどう対処するかについて議論する。 私たちはまず、法律、(AI)産業、社会技術、そして(道徳)哲学のレンズを通して、AIと公正性に注目し、様々な視点を提示します。 我々は、AI公正性の懸念の観点から、AI法の取り組みを成功に導くために、AIレギュレーションが果たす役割を特定し、提案する。
  論文  参考訳（メタデータ） (2022-06-08T12:32:08Z)
• Getting Fairness Right: Towards a Toolbox for Practitioners [2.4364387374267427]
  バイアスを意図せずに埋め込んで再現するAIシステムの潜在的なリスクは、マシンラーニング実践者や社会全体の注目を集めている。 本稿では,実践者が公正なAI実践を確実にするためのツールボックスのドラフトを提案する。
  論文  参考訳（メタデータ） (2020-03-15T20:53:50Z)
• Algorithmic Fairness from a Non-ideal Perspective [26.13086713244309]
  提案する公正な機械学習アルゴリズムの欠点は、理想的なアプローチが直面するより広範な問題を反映している、と我々は主張する。 我々は、誤った解の害、不合理な結果の再解釈、今後の研究の方向性について批判的な議論を締めくくった。
  論文  参考訳（メタデータ） (2020-01-08T18:44:41Z)
• On Consequentialism and Fairness [64.35872952140677]
  機械学習におけるフェアネスの共通定義について、逐次的批判を行う。 学習とランダム化の問題に関するより広範な議論で締めくくります。
  論文  参考訳（メタデータ） (2020-01-02T05:39:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。