論文の概要: Algorithms, Incentives, and Democracy
- arxiv url: http://arxiv.org/abs/2307.02319v1
- Date: Wed, 5 Jul 2023 14:22:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-06 13:25:20.174820
- Title: Algorithms, Incentives, and Democracy
- Title（参考訳）: アルゴリズム、インセンティブ、民主主義
- Authors: Elizabeth Maggie Penn and John W. Patty
- Abstract要約: アルゴリズム設計者による最適分類が集団の行動分布にどのように影響するかを示す。
次に、報酬と罰、または利害関係をアルゴリズム分類に民主化する効果を見て、社会が捕食的分類をいかに生み出すか(または促進するか)を検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Classification algorithms are increasingly used in areas such as housing,
credit, and law enforcement in order to make decisions affecting peoples'
lives. These algorithms can change individual behavior deliberately (a fraud
prediction algorithm deterring fraud) or inadvertently (content sorting
algorithms spreading misinformation), and they are increasingly facing public
scrutiny and regulation. Some of these regulations, like the elimination of
cash bail in some states, have focused on \textit{lowering the stakes of
certain classifications}. In this paper we characterize how optimal
classification by an algorithm designer can affect the distribution of behavior
in a population -- sometimes in surprising ways. We then look at the effect of
democratizing the rewards and punishments, or stakes, to algorithmic
classification to consider how a society can potentially stem (or facilitate!)
predatory classification. Our results speak to questions of algorithmic
fairness in settings where behavior and algorithms are interdependent, and
where typical measures of fairness focusing on statistical accuracy across
groups may not be appropriate.
- Abstract（参考訳）: 分類アルゴリズムは、人々の生活に影響を与える決定を下すために、住宅、信用、法執行などの分野でますます使われている。
これらのアルゴリズムは、個人行動(詐欺を抑える詐欺予測アルゴリズム)や、不注意に(誤情報を広げるコンテンツソートアルゴリズム)を意図的に変更することができる。
これらの規制の中には、一部の州における現金保釈の廃止など、特定の分類の利害を下げることに焦点を当てているものもある。
本稿では,アルゴリズム設計者による最適分類が,集団の行動分布に与える影響を,時として驚くべき方法で特徴づける。
次に,報奨や罰,あるいはステークスをアルゴリズム的分類に民主化する効果を検討し,社会が捕食的分類をいかにシミュレート(あるいは促進)できるかを検討する。
本研究は, 行動とアルゴリズムが相互に依存する設定や, 集団間の統計的正確性に着目した公平さの典型的な尺度が適切でない場合における, アルゴリズム的公平性に関する質問を述べる。
関連論文リスト
- A Mirror Descent-Based Algorithm for Corruption-Tolerant Distributed Gradient Descent [57.64826450787237]
本研究では, 分散勾配降下アルゴリズムの挙動を, 敵対的腐敗の有無で解析する方法を示す。
汚職耐性の分散最適化アルゴリズムを設計するために、(怠慢な)ミラー降下からアイデアをどう使うかを示す。
MNISTデータセットの線形回帰、サポートベクトル分類、ソフトマックス分類に基づく実験は、我々の理論的知見を裏付けるものである。
論文 参考訳（メタデータ） (2024-07-19T08:29:12Z) - Bipartite Ranking Fairness through a Model Agnostic Ordering Adjustment [54.179859639868646]
本稿では,二部類ランキングにおける公平性を実現するためのモデルに依存しない後処理フレームワークxOrderを提案する。
xOrderは、教師なしおよび教師なしの公正度メトリックを含む、さまざまな分類モデルとランキングフェアネスメトリクスと互換性がある。
提案アルゴリズムを,4つのベンチマークデータセットと2つの実世界の患者電子健康記録リポジトリ上で評価した。
論文 参考訳（メタデータ） (2023-07-27T07:42:44Z) - 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) - Discrimination in machine learning algorithms [0.0]
機械学習アルゴリズムは、例えば信用スコアリングアルゴリズムがローンを拒否するため、個人に直接影響を及ぼす可能性のあるビジネス上の決定に日常的に使用される。
そして、倫理的(かつ法的)の観点から、これらのアルゴリズムが(性や人種のような)センシティブな属性に基づいて識別しないことを保証する。
論文 参考訳（メタデータ） (2022-06-30T21:35:42Z) - Nearly Optimal Algorithms for Linear Contextual Bandits with Adversarial
Corruptions [98.75618795470524]
本稿では,敵対的腐敗の存在下での線形文脈的包帯問題について検討する。
我々は不確実性に直面した楽観主義の原理に基づく新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-05-13T17:58:58Z) - Selective Credit Assignment [57.41789233550586]
選択的クレジット代入のための時間差アルゴリズムについて統一的な視点を述べる。
価値に基づく学習と計画アルゴリズムへの重み付けの適用に関する洞察を提供する。
論文 参考訳（メタデータ） (2022-02-20T00:07:57Z) - Uncertainty in Criminal Justice Algorithms: simulation studies of the
Pennsylvania Additive Classification Tool [0.0]
我々は、投獄された個人に留置レベルを割り当てるペンシルバニア付加分類ツール(PACT)について検討した。
我々は、刑事司法アルゴリズムがしばしば分析される方法で、PACTを分析します。
我々は,そのようなアルゴリズムを研究するための新しい手法を提案し,実施する。
論文 参考訳（メタデータ） (2021-12-01T06:27:24Z) - Machine Learning for Online Algorithm Selection under Censored Feedback [71.6879432974126]
オンラインアルゴリズム選択(OAS)では、アルゴリズム問題クラスのインスタンスがエージェントに次々に提示され、エージェントは、固定された候補アルゴリズムセットから、おそらく最高のアルゴリズムを迅速に選択する必要がある。
SAT(Satisfiability)のような決定問題に対して、品質は一般的にアルゴリズムのランタイムを指す。
本研究では,OASのマルチアームバンディットアルゴリズムを再検討し,この問題に対処する能力について議論する。
ランタイム指向の損失に適応し、時間的地平線に依存しない空間的・時間的複雑さを維持しながら、部分的に検閲されたデータを可能にする。
論文 参考訳（メタデータ） (2021-09-13T18:10:52Z) - When Fair Ranking Meets Uncertain Inference [5.33312437416961]
実システムから導かれる人口統計学的推論が、いかに不公平なランキングにつながるかを示す。
この結果から,推定された人口統計データを公正なランキングアルゴリズムの入力として使用するべきではないことが示唆された。
論文 参考訳（メタデータ） (2021-05-05T14:40:07Z) - Pursuing Open-Source Development of Predictive Algorithms: The Case of
Criminal Sentencing Algorithms [0.0]
オープンソースアルゴリズムの開発は、高度に連続した文脈における標準であるべきだと我々は主張する。
これらの問題は、ほぼ全ての広く使われている刑事判決アルゴリズムの、プロプライエタリで高価な性質によって悪化していることを示唆する。
論文 参考訳（メタデータ） (2020-11-12T14:53:43Z) - Optimal Clustering from Noisy Binary Feedback [75.17453757892152]
本稿では,二元的ユーザフィードバックから一組のアイテムをクラスタリングする問題について検討する。
最小クラスタ回復誤差率のアルゴリズムを考案する。
適応選択のために,情報理論的誤差下界の導出にインスパイアされたアルゴリズムを開発する。
論文 参考訳（メタデータ） (2019-10-14T09:18:26Z)
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。