論文の概要: Statistical and Structural Approaches to Algorithmic Fairness

• arxiv url: http://arxiv.org/abs/2606.26200v1
• Date: Wed, 24 Jun 2026 16:23:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.028839
• Title: Statistical and Structural Approaches to Algorithmic Fairness
• Title（参考訳）: アルゴリズムフェアネスに対する統計的・構造的アプローチ
• Authors: Antonio Ferrara,
• Abstract要約: 現代の機械学習システムは、その起源を独立した予測構造として誇張してきた。 アルゴリズムフェアネスの分野は、予測精度に最適化されたモデルが、体系的に疎外されたグループを損なう可能性があるという認識の高まりに対応して現れた。 この論文は、現代公正パラダイムの2つの基本的な制限を特定し、対処する。
• 参考スコア（独自算出の注目度）: 0.27756462755759775
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern machine learning systems have outgrown their origins as isolated predictive constructs, evolving into complex socio-technical architectures that actively mediate human opportunity. As algorithms increasingly determine access to economic and social opportunities, it has become widely recognized that these systems are deeply embedded with the structural inequalities and prejudices of their environments. The field of algorithmic fairness emerged in response to the growing recognition that models optimized for predictive accuracy can systematically disadvantage marginalized groups. Early mitigation strategies, however, rested on fragile simplifications that limited their effectiveness in complex socio-technical environments. This thesis identifies and addresses two fundamental limitations of contemporary fairness paradigms: the reliance on deterministic point estimates for auditing and the treatment of individuals as isolated entities devoid of structural context.
• Abstract（参考訳）: 現代の機械学習システムは、その起源を独立した予測構造として誇張し、人間の機会を積極的に仲介する複雑な社会技術アーキテクチャへと進化してきた。 アルゴリズムが経済的・社会的機会へのアクセスをますます決定するにつれて、これらのシステムは環境の構造的不平等と偏見に深く結びついていることが広く認識されるようになった。 アルゴリズムフェアネスの分野は、予測精度に最適化されたモデルが、体系的に疎外されたグループを損なう可能性があるという認識の高まりに対応して現れた。 しかし、初期の緩和戦略は、複雑な社会技術環境での有効性を制限した脆弱な単純化に頼っていた。 この論文は、監査のための決定論的な点推定への依存と、構造的文脈を欠く独立した実体としての個人の扱いという、現代公正パラダイムの基本的な2つの限界を特定し、対処する。

関連論文リスト

• A Survey of Reasoning in Autonomous Driving Systems: Open Challenges and Emerging Paradigms [49.66022971508878]
  私たちは、推論はモジュラーコンポーネントからシステムの認知コアに高めるべきだと論じています。 応答性推論のトレードオフやソーシャルゲーム推論など,7つの中核的推論課題を導出し,体系化する。 我々は,LLMに基づく推論と,ミリ秒スケールで安全クリティカルな車両制御の要求との間の,高レイテンシ,熟考的特性の根本的かつ未解決な緊張関係を同定する。
  論文  参考訳（メタデータ） (2026-03-11T07:40:53Z)
• A Feminist Account of Intersectional Algorithmic Fairness [0.0]
  我々は、交差フェミニスト理論からの洞察により、グリーンの実体的アルゴリズムフェアネスの概念を拡張した実体的区間的アルゴリズムフェアネスを提案する。 我々は,アルゴリズムシステムの設計,評価,展開を指導するために,ROOF方法論に10のデシラタを導入している。 計算科学と社会科学の視点をブリッジすることで、より公平で包括的で文脈に敏感な交叉アルゴリズムの実践のための実用的なガイダンスを提供する。
  論文  参考訳（メタデータ） (2025-08-25T12:09:04Z)
• Secondary Bounded Rationality: A Theory of How Algorithms Reproduce Structural Inequality in AI Hiring [0.174048653626208]
  論文では、AIシステムは技術的・社会的制約を通じて人間の認知と構造的バイアスを継承し、増幅すると主張している。 アルゴリズムのプロセスが、エリート的信用権の特権化やネットワークのホモフィリーといった歴史的不平等を、明らかに有益な官僚的な結果にどのように変えるかを示す。 我々は、この自己強化不平等を打破するために、対物公正テスト、資本認識監査、規制介入を含む緩和戦略を提案する。
  論文  参考訳（メタデータ） (2025-07-12T10:03:20Z)
• Algorithmic Fairness: Not a Purely Technical but Socio-Technical Property [4.2894701473635966]
  公正さは純粋にモデルに関する技術的な制約に還元できないと我々は主張する。 本研究では,既存の公正度尺度の限界について,概念分析と実証図面を用いて検討する。 これらの発見は、技術的フォーマライゼーションと社会的現実のギャップを埋める助けになると考えています。
  論文  参考訳（メタデータ） (2025-06-14T15:54:45Z)
• What Does Evaluation of Explainable Artificial Intelligence Actually Tell Us? A Case for Compositional and Contextual Validation of XAI Building Blocks [16.795332276080888]
  本稿では,説明可能な人工知能システムのためのきめ細かい検証フレームワークを提案する。 技術的ビルディングブロック,ユーザによる説明的成果物,ソーシャルコミュニケーションプロトコルといった,モジュール構造の本質を認識します。
  論文  参考訳（メタデータ） (2024-03-19T13:45:34Z)
• Ecosystem-level Analysis of Deployed Machine Learning Reveals Homogeneous Outcomes [72.13373216644021]
  本研究では,機械学習の社会的影響を,特定の文脈に展開されるモデルの集合を考慮し検討する。 デプロイされた機械学習はシステム障害を起こしやすいため、利用可能なすべてのモデルに排他的に誤分類されているユーザもいます。 これらの例は、エコシステムレベルの分析が、機械学習の社会的影響を特徴づける独自の強みを持っていることを示している。
  論文  参考訳（メタデータ） (2023-07-12T01:11:52Z)
• HardSATGEN: Understanding the Difficulty of Hard SAT Formula Generation and A Strong Structure-Hardness-Aware Baseline [45.91245228386502]
  既存のSAT生成アプローチでは、グローバルな構造特性を同時に捉えることはほとんどできず、高い計算硬度を維持することができる。 本稿では,SAT式生成のためのニューラル・スプリット・マージ・パラダイムに,きめ細かい制御機構を導入するHardSATGENを提案する。 従来の手法と比較すると、平均的な性能向上は構造統計の38.5%、計算の88.4%、解法チューニングの有効性の140.7%以上を達成している。
  論文  参考訳（メタデータ） (2023-02-04T05:58:17Z)
• 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)
• Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
  反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。 現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。 本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
  論文  参考訳（メタデータ） (2021-06-14T20:48:48Z)

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。