論文の概要: Algorithmic Pluralism: A Structural Approach Towards Equal Opportunity
- arxiv url: http://arxiv.org/abs/2305.08157v2
- Date: Thu, 25 May 2023 15:10:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-26 19:59:41.772343
- Title: Algorithmic Pluralism: A Structural Approach Towards Equal Opportunity
- Title(参考訳): アルゴリズム的多元主義 : 平等への構造的アプローチ
- Authors: Shomik Jain, Vinith Suriyakumar, Ashia Wilson
- Abstract要約: 平等な機会という考え方は幅広い意見の一致を享受するが、機会が平等であるということの意味について多くの人は意見が一致しない。
Joseph Fishkin氏によるより構造的なアプローチは、誰がどの機会を割り当てるかを決定する、より広範な決定のネットワークに焦点を当てている。
これらのボトルネックの深刻さと正当性を評価することで、フィッシュキンは平等な機会が構造的な方法で侵害されているかどうかを評価する質的な枠組みを提供する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While the idea of equal opportunity enjoys a broad consensus, many disagree
about what it means for opportunities to be equal. The algorithmic fairness
community often relies on formal approaches to quantitatively determine if
opportunities are allocated equally. A more structural approach put forth by
Joseph Fishkin focuses on the wider network of decisions that determine which
opportunities are allocated to whom. In this so-called opportunity structure,
decision points represent bottlenecks that are often chained together so that
the output of one decision is an input to the next. By evaluating the severity
and legitimacy of these bottlenecks, Fishkin offers a qualitative framework to
assess whether equal opportunity is infringed upon in a structural way. We
adopt this structural viewpoint and use it to reframe many interdisciplinary
discussions about equal opportunity in systems of algorithmic decision-making.
Drawing on examples from education, healthcare, and criminal justice, we
recommend prioritizing regulatory and design-based interventions that alleviate
severe bottlenecks in order to help expand access to opportunities in a
pluralistic way.
- Abstract(参考訳): 平等な機会という考え方は幅広いコンセンサスを享受する一方で、機会が平等であることの意味については多くの意見が一致しない。
アルゴリズム的公平性コミュニティは、機会が等しく割り当てられているかどうかを定量的に判断するための形式的なアプローチにしばしば依存している。
Joseph Fishkin氏によるより構造的なアプローチは、誰がどの機会を割り当てるかを決定する、より広範な決定のネットワークに焦点を当てている。
このいわゆる機会構造では、意思決定ポイントは、ある決定の出力が次の決定への入力となるように、しばしば連鎖されるボトルネックを表す。
これらのボトルネックの深刻さと正当性を評価することで、フィッシュキンは平等な機会が構造的に侵害されているかどうかを評価する質的な枠組みを提供する。
我々はこの構造的視点を採用し、アルゴリズムによる意思決定システムにおける平等な機会に関する多くの学際的な議論を再考する。
教育、医療、刑事司法の事例をもとに、重大ボトルネックを軽減し、機会へのアクセスを多元的に拡大するための規制およびデザインに基づく介入を優先することを推奨する。
関連論文リスト
- Designing Equitable Algorithms [1.9006392177894293]
現在、予測アルゴリズムは、我々の社会の資源と制裁の大部分を分配するのに使われています。
これらのアルゴリズムは意思決定の効率と公平性を改善することができる。
しかし、彼らは特に人種、民族、性別のラインで格差を拡大し、悪化させる可能性がある。
論文 参考訳(メタデータ) (2023-02-17T22:00:44Z) - Fairness in Matching under Uncertainty [78.39459690570531]
アルゴリズム的な二面市場は、こうした設定における公平性の問題に注意を向けている。
我々は、利益の不確実性を尊重する両面の市場設定において、個々人の公正性の概念を公理化する。
そこで我々は,配当よりも公平なユーティリティ最大化分布を求めるために,線形プログラミングフレームワークを設計する。
論文 参考訳(メタデータ) (2023-02-08T00:30:32Z) - 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) - Human-Algorithm Collaboration: Achieving Complementarity and Avoiding
Unfairness [92.26039686430204]
慎重に設計されたシステムであっても、補完的な性能はあり得ないことを示す。
まず,簡単な人間アルゴリズムをモデル化するための理論的枠組みを提案する。
次に、このモデルを用いて相補性が不可能な条件を証明する。
論文 参考訳(メタデータ) (2022-02-17T18:44:41Z) - Optimal Algorithms for Decentralized Stochastic Variational Inequalities [113.43047601775453]
この作業は、ますます重要になるが十分に理解されていない分散的な設定に集中する。
通信と局所的な繰り返しの両方の下位境界を示し、これらの下位境界に一致する最適なアルゴリズムを構築する。
我々のアルゴリズムは、分散化されたケースだけでなく、決定論的で非分散的な文献でも利用できる。
論文 参考訳(メタデータ) (2022-02-06T13:14:02Z) - Impossibility of What? Formal and Substantive Equality in Algorithmic
Fairness [3.42658286826597]
アルゴリズムの公正性に対する支配的な「形式的」アプローチは、平等を追求する枠組みとして不十分である、と私は主張する。
社会階層に反するアルゴリズムフェアネスに対する「実質的」アプローチを提案する。
形式的および実体的アルゴリズム的公正の区別は、各アプローチの「公正の実証可能性」に対する応答によって実証される。
論文 参考訳(メタデータ) (2021-07-09T19:29:57Z) - Diversity in Kemeny Rank Aggregation: A Parameterized Approach [3.6603644500568806]
ソリューション多様性と呼ばれる最近の人工知能のトレンドは、最適性の概念の発展に焦点を当てている。
本研究では,この組み合わせがケメニー・ランク・アグリゲーションの分野に与える影響について検討する。
我々の主な成果は、線形に順序付けられた投票よりも伝統的な集計の設定を考えるときと、部分的に投票が順序付けられたより一般的な場合の両方に当てはまる。
論文 参考訳(メタデータ) (2021-05-19T21:50:03Z) - Distributive Justice and Fairness Metrics in Automated Decision-making:
How Much Overlap Is There? [0.0]
機会の平等を実践する指標は、資源割り当てが保存性に基づいている場合にのみ適用されるが、アロケーションが平等主義、十分性、優先順位に関する懸念を反映すべきときに失敗することを示す。
予測タスクと意思決定タスクをきれいに区別することで、公平な機械学習の研究は分散的正義に関する豊かな文献をよりうまく活用できると論じている。
論文 参考訳(メタデータ) (2021-05-04T12:09:26Z) - Towards Algorithmic Transparency: A Diversity Perspective [8.138520743045731]
アルゴリズムバイアスの研究は近年爆発的であり、バイアスの問題と潜在的な解決策の両方を浮き彫りにしている。
透明性は、公平性管理とアルゴリズムの説明容易性を促進するために重要です。
私たちは多様性とバイアスの関係を振り返り、多様性が透明性の必要性を駆動すると主張します。
論文 参考訳(メタデータ) (2021-04-12T17:28:12Z) - Investigating Bi-Level Optimization for Learning and Vision from a
Unified Perspective: A Survey and Beyond [114.39616146985001]
機械学習やコンピュータビジョンの分野では、モチベーションやメカニズムが異なるにもかかわらず、複雑な問題の多くは、一連の密接に関連するサブプロトコルを含んでいる。
本稿では,BLO(Bi-Level Optimization)の観点から,これらの複雑な学習と視覚問題を一様に表現する。
次に、値関数に基づく単一レベル再構成を構築し、主流勾配に基づくBLO手法を理解し、定式化するための統一的なアルゴリズムフレームワークを確立する。
論文 参考訳(メタデータ) (2021-01-27T16:20:23Z) - 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。