机构名称：
¥ 1.0
要消除算法偏差，仅仅从数据中排除受保护的属性（通过无意识实现公平）不仅不够，而且适得其反。即使排除受保护的指标，算法通过三角测量进行歧视的风险仍然存在，从而导致抵押贷款分配等出现歧视性结果（Fuster、Goldsmith-Pinkham 和 Ramadorai，2022 年）。统计模型会从数据中提取尽可能多的信息，以帮助它们优化性能，而机器学习模型在这项任务上表现出色：深度学习甚至可以从未标记的医学影像中预测种族（Banerjee 等人，2021 年）。相反，受保护的属性可用于主动监控、识别和纠正算法偏差。这种策略（通过意识实现公平）还允许使用机器学习模型主动检测现有决策过程中的偏差，无论是否自动化（Martinello、Mønsted、Matin、Steffensen 和 Laursen，2021 年）。
金融领域的人工智能和机器学习
主要关键词
相关文件推荐
