Causal Fairness Analysis: A Causal Toolkit for Fair Machine Learning
Der jüngste Anstieg des Interesses an KI-Systemen hat in moralischen Kreisen Bedenken hinsichtlich ihres ethischen Einsatzes und der Frage aufgeworfen, ob sie faire Entscheidungsfindungsprozesse demonstrieren können.
Fragen der Ungerechtigkeit und Diskriminierung sind allgegenwärtig, wenn Entscheidungen von Menschen getroffen werden, und werden potenziell noch verstärkt, wenn Entscheidungen von Maschinen mit wenig Transparenz, Rechenschaftspflicht und Fairness getroffen werden. In dieser Monographie stellen die Autoren einen Rahmen für die kausale Fairness-Analyse vor, um Probleme der Fairness in KI-Entscheidungssituationen zu verstehen, zu modellieren und möglicherweise zu lösen.
Die Autoren verknüpfen die Quantifizierung der Ungleichheiten in den beobachteten Daten mit der zugrundeliegenden, oft unbeobachteten Sammlung von Kausalmechanismen, die die Ungleichheit überhaupt erst erzeugen. Um das FPCFA zu lösen, untersuchen sie die Zuordnung von Variationen und empirischen Maßstäben der Fairness zu strukturellen Mechanismen und verschiedenen Einheiten der Population, was in der Fairness-Karte gipfelt. Diese Monographie stellt den ersten systematischen Versuch dar, die Beziehung zwischen verschiedenen Kriterien der Fairness zu organisieren und zu erklären, und untersucht, welche kausalen Annahmen für die Durchführung einer kausalen Fairness-Analyse erforderlich sind.
Das daraus resultierende Fairness-Kochbuch ermöglicht es jedem, das Vorhandensein von ungleicher Auswirkung und ungleicher Behandlung zu beurteilen. Es ist eine zeitgemäße und wichtige Einführung in die Entwicklung zukünftiger KI-Systeme, die inhärente Fairness beinhalten, und wird daher nicht nur für KI-Systementwickler von großem Interesse sein, sondern auch für alle, die sich für die Auswirkungen der KI auf die Gesellschaft im Allgemeinen interessieren.
| ISBN: | 9781638283300 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
