論文の概要: Causal Fairness for Outcome Control

• arxiv url: http://arxiv.org/abs/2306.05066v1
• Date: Thu, 8 Jun 2023 09:31:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-09 15:17:28.201396
• Title: Causal Fairness for Outcome Control
• Title（参考訳）: アウトカム制御のための因果フェアネス
• Authors: Drago Plecko, Elias Bareinboim
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 68.12191782657437
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As society transitions towards an AI-based decision-making infrastructure, an ever-increasing number of decisions once under control of humans are now delegated to automated systems. Even though such developments make various parts of society more efficient, a large body of evidence suggests that a great deal of care needs to be taken to make such automated decision-making systems fair and equitable, namely, taking into account sensitive attributes such as gender, race, and religion. In this paper, we study a specific decision-making task called outcome control in which an automated system aims to optimize an outcome variable $Y$ while being fair and equitable. The interest in such a setting ranges from interventions related to criminal justice and welfare, all the way to clinical decision-making and public health. In this paper, we first analyze through causal lenses the notion of benefit, which captures how much a specific individual would benefit from a positive decision, counterfactually speaking, when contrasted with an alternative, negative one. We introduce the notion of benefit fairness, which can be seen as the minimal fairness requirement in decision-making, and develop an algorithm for satisfying it. We then note that the benefit itself may be influenced by the protected attribute, and propose causal tools which can be used to analyze this. Finally, if some of the variations of the protected attribute in the benefit are considered as discriminatory, the notion of benefit fairness may need to be strengthened, which leads us to articulating a notion of causal benefit fairness. Using this notion, we develop a new optimization procedure capable of maximizing $Y$ while ascertaining causal fairness in the decision process.
• Abstract（参考訳）: 社会がAIベースの意思決定インフラストラクチャへと移行するにつれて、人間の支配下にある決定が、ますます増え続ける。 このような発展は社会の様々な部分をより効率的にするが、このような自動意思決定システムを公平かつ公平にするためには、特に性別、人種、宗教といった繊細な属性を考慮に入れるために、多くの注意が必要であるという証拠が多数ある。 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。 このような設定への関心は、刑事司法と福祉に関する介入から、臨床意思決定や公衆衛生まで幅広い。 本稿では、まず因果レンズを通して利益の概念を解析し、ある個人が正の判断によってどれだけの利益を得られるか、すなわち、代替の負の判断と対照的に比較して分析する。 我々は,意思決定における最小公平性要件と見なすことができる便益公平性の概念を導入し,それを満たすアルゴリズムを開発する。 次に、利益自体が保護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ツールを提案する。 最後に、利益の保護された属性のバリエーションのいくつかが差別的と見なされる場合、利益の公平性の概念は強化される必要があり、因果的利益の公平性の概念の明瞭化に繋がる。 この概念を用いて、決定過程における因果的公平性を確認しながら、y$を最大化できる新しい最適化手順を開発する。

関連論文リスト

• Fairness-Accuracy Trade-Offs: A Causal Perspective [58.06306331390586]
  我々は、初めて因果レンズから公正性と正確性の間の張力を分析する。 因果的制約を強制することは、しばしば人口集団間の格差を減少させることを示す。 因果制約付きフェアラーニングのための新しいニューラルアプローチを導入する。
  論文  参考訳（メタデータ） (2024-05-24T11:19:52Z)
• Assessing Group Fairness with Social Welfare Optimization [0.9217021281095907]
  本稿では,社会福祉機能の最適化に基づくより広範な社会的正義の概念が,パーティの定義の多様さを評価する上で有用かどうかを考察する。 特定の条件下では、人口比率や均等化確率を正当化できるが、しばしばこの種のパリティから逸脱する必要がある。 さらに,予測率パリティは有用性に限界があることが判明した。
  論文  参考訳（メタデータ） (2024-05-19T01:41:04Z)
• Social Diversity Reduces the Complexity and Cost of Fostering Fairness [63.70639083665108]
  不完全な情報や公平性の柔軟な基準を前提とした干渉機構の効果について検討する。 多様性の役割を定量化し、情報収集の必要性を減らす方法を示す。 この結果から,多様性が変化し,公正性向上を目指す機関に新たなメカニズムが開放されることが示唆された。
  論文  参考訳（メタデータ） (2022-11-18T21:58:35Z)
• 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)
• A Justice-Based Framework for the Analysis of Algorithmic Fairness-Utility Trade-Offs [0.0]
  予測に基づく意思決定システムでは、異なる視点が異なってくる可能性がある。 意思決定者の短期的なビジネス目標はしばしば、意思決定対象が公平に扱われたいという願望と矛盾している。 本稿では,これらの価値を優先した選択を明確化するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-06T20:31:55Z)
• Towards a Fairness-Aware Scoring System for Algorithmic Decision-Making [35.21763166288736]
  本稿では,データ駆動型フェアネス対応スコアリングシステムを構築するための一般的なフレームワークを提案する。 提案するフレームワークは,実践者や政策立案者に対して,希望する公正性要件を選択するための柔軟性を提供する。
  論文  参考訳（メタデータ） (2021-09-21T09:46:35Z)
• Appropriate Fairness Perceptions? On the Effectiveness of Explanations in Enabling People to Assess the Fairness of Automated Decision Systems [0.0]
  効果的に説明するためには、基礎となるADSが公正である場合に限り、公平性に対する認識が増加するべきであると論じる。 本研究は, 適切な公正感のデシプラタムを導入し, 評価のための新しい研究設計を提案し, 総合的な実験に向けての次のステップを概説する。
  論文  参考訳（メタデータ） (2021-08-14T09:39:59Z)
• Fairness, Welfare, and Equity in Personalized Pricing [88.9134799076718]
  顧客特性に基づくパーソナライズ価格における公平性、福祉、株式の配慮の相互作用について検討する。 選択ワクチンの価格補助金と、マイクロクレジットの下流結果に対するパーソナライズされた利率の影響の2つの設定において、パーソナライズされた価格の潜在的利点を示す。
  論文  参考訳（メタデータ） (2020-12-21T01:01:56Z)
• Fair Influence Maximization: A Welfare Optimization Approach [34.39574750992602]
  我々は、公正な影響アルゴリズムが満たすべき特性を原則的に特徴づける。 この枠組みの下では、公平性と効率性のトレードオフは単一の設計逆転パラメータによって制御できる。 我々の枠組みは、特殊ケースのレキシミンと比例フェアネスを包含する。
  論文  参考訳（メタデータ） (2020-06-14T14:08:10Z)
• 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。