論文の概要: The Long Arc of Fairness: Formalisations and Ethical Discourse
- arxiv url: http://arxiv.org/abs/2203.06038v1
- Date: Tue, 8 Mar 2022 09:54:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-20 23:28:14.610510
- Title: The Long Arc of Fairness: Formalisations and Ethical Discourse
- Title（参考訳）: フェアネスの長い弧:形式化と倫理的談話
- Authors: Pola Schw\"obel, Peter Remmers
- Abstract要約: 我々は、技術(形式化された)と公正に関する倫理的言説の関係は必ずしも明確で生産的であるとは限らないと論じる。
我々は、より包括的なアプローチであるダイナミックフェアネス・モデリングを導入し、倫理的言説からの議論とフォーマルフェアネス・メトリクスを実現する。
フェアネス関連プロセスのこれらの要素を文脈化することにより、動的フェアネスモデリングは、以前は遅滞した倫理的側面を明示する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, the idea of formalising and modelling fairness for
algorithmic decision making (ADM) has advanced to a point of sophisticated
specialisation. However, the relations between technical (formalised) and
ethical discourse on fairness are not always clear and productive. Arguing for
an alternative perspective, we review existing fairness metrics and discuss
some common issues. For instance, the fairness of procedures and distributions
is often formalised and discussed statically, disregarding both structural
preconditions of the status quo and downstream effects of a given intervention.
We then introduce dynamic fairness modelling, a more comprehensive approach
that realigns formal fairness metrics with arguments from the ethical
discourse. A dynamic fairness model incorporates (1) ethical goals, (2) formal
metrics to quantify decision procedures and outcomes and (3) mid-term or
long-term downstream effects. By contextualising these elements of
fairness-related processes, dynamic fairness modelling explicates formerly
latent ethical aspects and thereby provides a helpful tool to navigate
trade-offs between different fairness interventions. To illustrate the
framework, we discuss an example application -- the current European efforts to
increase the number of women on company boards, e.g. via quota solutions -- and
present early technical work that fits within our framework.
- Abstract（参考訳）: 近年、アルゴリズム的意思決定(adm)のための形式化とモデリングの公平性が、高度な専門化のポイントへと発展してきた。
しかし、技術(形式化された)と公正に関する倫理的談話の関係は必ずしも明確で生産的ではない。
代替的な視点を求めて、既存の公正度指標をレビューし、いくつかの共通問題について議論する。
例えば、手続きと分布の公平性はしばしば形式化され、静的に議論され、現状の構造的前提条件と与えられた介入の下流効果の両方を無視している。
次に,形式的公平度メトリクスを倫理的談話の議論で再定義する,より包括的なアプローチである動的公平度モデリングを紹介する。
ダイナミックフェアネスモデルには,(1)倫理的目標,(2)意思決定手順と結果の定量化のための形式的指標,(3)中期的あるいは長期的下流効果が組み込まれている。
フェアネス関連プロセスのこれらの要素を文脈化することにより、ダイナミックフェアネスモデリングは、以前は遅滞した倫理的側面を明示し、異なるフェアネス介入間のトレードオフをナビゲートする便利なツールを提供する。
このフレームワークを説明するために、私たちはサンプルアプリケーション、例えばクォータソリューションを通じて、企業のボード上の女性数を増やそうとする現在のヨーロッパの取り組み、および私たちのフレームワークに適合する初期の技術作業について論じます。
関連論文リスト
- Dispute resolution in legal mediation with quantitative argumentation [0.0]
我々は,仲介目標の受容性を決定する際に,当事者の知識と仲介者の知識を統合するQuAMフレームワークを導入する。
また、目的引数の受け入れ可能性と、その引数に関連付けられた変数に割り当てられた値との関係をモデル化する新しい形式も開発する。
論文 参考訳（メタデータ） (2024-09-25T12:05:46Z) - Sequential Representation Learning via Static-Dynamic Conditional Disentanglement [58.19137637859017]
本稿では,ビデオ中の時間非依存要因と時間変化要因を分離することに着目し,逐次的データ内での自己教師付き不整合表現学習について検討する。
本稿では,静的/動的変数間の因果関係を明示的に考慮し,それらの因子間の通常の独立性仮定を破る新しいモデルを提案する。
実験により、提案手法は、シーンのダイナミックスが内容に影響されるシナリオにおいて、従来の複雑な最先端技術よりも優れていることが示された。
論文 参考訳（メタデータ） (2024-08-10T17:04:39Z) - Fairness Explainability using Optimal Transport with Applications in
Image Classification [0.46040036610482665]
機械学習アプリケーションにおける差別の原因を明らかにするための包括的アプローチを提案する。
We leverage Wasserstein barycenters to achieve fair predictions and introduce an extension to pinpoint bias-associated region。
これにより、各特徴がバイアスに影響を及ぼすかどうかを測定するために強制的公正性を使用する凝集系を導出することができる。
論文 参考訳（メタデータ） (2023-08-22T00:10:23Z) - ACROCPoLis: A Descriptive Framework for Making Sense of Fairness [6.4686347616068005]
本研究では,アロケーションプロセスを表現するためのACROCPoLisフレームワークを提案する。
このフレームワークは、異なる状況や手順に対する公平性評価に関連する要因を明示する共有語彙を提供する。
論文 参考訳（メタデータ） (2023-04-19T21:14:57Z) - DualFair: Fair Representation Learning at Both Group and Individual
Levels via Contrastive Self-supervision [73.80009454050858]
この研究は、DualFairと呼ばれる自己教師型モデルを提示し、学習された表現から性別や人種などのセンシティブな属性をデバイアスすることができる。
我々のモデルは、グループフェアネスと対実フェアネスという2つのフェアネス基準を共同で最適化する。
論文 参考訳（メタデータ） (2023-03-15T07:13:54Z) - Fair Enough: Standardizing Evaluation and Model Selection for Fairness
Research in NLP [64.45845091719002]
現代のNLPシステムは様々なバイアスを示しており、モデル偏見に関する文献が増えている。
本稿では,その現状を解明し,公正学習における意味ある進歩の道筋を立案することを目的とする。
論文 参考訳（メタデータ） (2023-02-11T14:54:00Z) - Fairness Increases Adversarial Vulnerability [50.90773979394264]
フェアネスとロバストネスの間に二分法が存在することを示し、フェアネスを達成するとモデルロバストネスを減少させる。
非線形モデルと異なるアーキテクチャの実験は、複数の視覚領域における理論的発見を検証する。
フェアネスとロバストネスの良好なトレードオフを達成するためのモデルを構築するための,シンプルで効果的なソリューションを提案する。
論文 参考訳（メタデータ） (2022-11-21T19:55:35Z) - 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) - Exploring the Trade-off between Plausibility, Change Intensity and
Adversarial Power in Counterfactual Explanations using Multi-objective
Optimization [73.89239820192894]
自動対物生成は、生成した対物インスタンスのいくつかの側面を考慮すべきである。
本稿では, 対実例生成のための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2022-05-20T15:02:53Z) - Promises and Challenges of Causality for Ethical Machine Learning [2.1946447418179664]
我々は「潜在的成果の枠組み」に基づく因果フェアネスの適切な適用条件を策定する。
我々は、因果的公平性文学においてしばしば無視される因果的推論の重要な側面を強調した。
このような介入の概念化は因果的仮定の妥当性を評価する上で重要であると我々は主張する。
論文 参考訳（メタデータ） (2022-01-26T00:04:10Z)
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。