論文の概要: Systemic Fairness

• arxiv url: http://arxiv.org/abs/2304.06901v1
• Date: Fri, 14 Apr 2023 02:24:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-17 14:51:55.830972
• Title: Systemic Fairness
• Title（参考訳）: システミックフェアネス
• Authors: Arindam Ray, Balaji Padmanabhan and Lina Bouayad
• Abstract要約: 本稿では,機械学習アルゴリズムにおける整合性と体系的公正性に関する定式化について述べる。 それは、現実世界の文脈におけるエコシステム全体の公平性に関するアルゴリズム的公正性文学に、より集中することを求めている。
• 参考スコア（独自算出の注目度）: 5.833272638548154
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Machine learning algorithms are increasingly used to make or support decisions in a wide range of settings. With such expansive use there is also growing concern about the fairness of such methods. Prior literature on algorithmic fairness has extensively addressed risks and in many cases presented approaches to manage some of them. However, most studies have focused on fairness issues that arise from actions taken by a (single) focal decision-maker or agent. In contrast, most real-world systems have many agents that work collectively as part of a larger ecosystem. For example, in a lending scenario, there are multiple lenders who evaluate loans for applicants, along with policymakers and other institutions whose decisions also affect outcomes. Thus, the broader impact of any lending decision of a single decision maker will likely depend on the actions of multiple different agents in the ecosystem. This paper develops formalisms for firm versus systemic fairness, and calls for a greater focus in the algorithmic fairness literature on ecosystem-wide fairness - or more simply systemic fairness - in real-world contexts.
• Abstract（参考訳）: 機械学習アルゴリズムは、幅広い設定で意思決定をしたり、サポートしたりするためにますます使われています。 このような拡張的な利用により、そのような手法の公平性についても懸念が高まりつつある。 アルゴリズム的公平性に関する先行文献は、リスクを広く取り上げており、多くの場合、それらを管理するためのアプローチを提示している。 しかし、ほとんどの研究は、焦点を絞った意思決定者やエージェントが行う行動から生じる公平性の問題に焦点を当てている。 対照的に、現実世界のシステムの多くは、より大きなエコシステムの一部としてまとめて働く多くのエージェントを持っています。 例えば、貸付のシナリオでは、複数の貸し手が申請者のローンを評価し、政策立案者や他の機関が決定が結果にも影響を及ぼす。 したがって、単一の意思決定者による融資決定の広範な影響は、エコシステム内の複数の異なるエージェントの行動に依存する可能性が高い。 本論文は, 健全性と体系的公正性のためのフォーマリズムを開発し, 実世界の文脈において, 生態系全体の公正性(あるいはより単純な体系的公正性)にアルゴリズム的公正性文学にもっと焦点をあてることを求める。

関連論文リスト

• Fair Enough? A map of the current limitations of the requirements to have fair algorithms [43.609606707879365]
  我々は、社会が自動意思決定システムから要求しているものと、この要求が現実のシナリオで実際に意味しているものとの間には、因果関係があることを論じる。 自動意思決定システムにおける公正性の増大に具体的な意味を与えるため、社会として対応しなければならない重要なオープンポイントの集合を概説する。
  論文  参考訳（メタデータ） (2023-11-21T08:44:38Z)
• 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)
• 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)
• Fairness and Sequential Decision Making: Limits, Lessons, and Opportunities [24.471814126358556]
  我々は、この文献の2つの主要なサブセットであるアルゴリズム的公正性と倫理的意思決定を比較し、議論する。 それぞれの設定が、その規範的関心事をどのように表現したか、これらの異なる設定に対する異なるテクニックの生存可能性、そして、それぞれの設定からのアイデアが他方にとってどのように有用であるかを考察する。
  論文  参考訳（メタデータ） (2023-01-13T20:33:14Z)
• Survey on Fairness Notions and Related Tensions [4.257210316104905]
  自動化された意思決定システムは、雇用やローンの貸与といった問題において、逐次的な決定を下すのにますます使われています。 しかし、客観的機械学習(ML)アルゴリズムはバイアスを起こしやすいため、不公平な判断を下す。 本稿では、一般的に使われている公正概念を調査し、プライバシと精度で両者間の緊張関係について論じる。
  論文  参考訳（メタデータ） (2022-09-16T13:36:05Z)
• 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)
• Fairness in Recommender Systems: Research Landscape and Future Directions [119.67643184567623]
  本稿は,近年の地域におけるフェアネスの概念と概念について概観する。 この分野での研究が現在どのように行われているのかを概観する。 全体として、最近の研究成果の分析は、ある研究のギャップを示している。
  論文  参考訳（メタデータ） (2022-05-23T08:34:25Z)
• Through the Data Management Lens: Experimental Analysis and Evaluation of Fair Classification [75.49600684537117]
  データ管理研究は、データとアルゴリズムの公平性に関連するトピックに対する存在感と関心が高まっている。 我々は,その正しさ,公平性,効率性,スケーラビリティ,安定性よりも,13の公正な分類アプローチと追加の変種を幅広く分析している。 我々の分析は、異なるメトリクスとハイレベルなアプローチ特性がパフォーマンスの異なる側面に与える影響に関する新しい洞察を強調します。
  論文  参考訳（メタデータ） (2021-01-18T22:55:40Z)
• End-to-End Learning and Intervention in Games [60.41921763076017]
  ゲームにおける学習と介入のための統一的なフレームワークを提供する。 明示的および暗黙的な区別に基づく2つのアプローチを提案する。 分析結果は、実世界のいくつかの問題を用いて検証される。
  論文  参考訳（メタデータ） (2020-10-26T18:39:32Z)

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。