机构名称：
¥ 1.0
本文将提出，解释对那些受模型决策影响的人（模型患者）来说是有价值的，因为它们提供了过去不利决策不公平的证据。根据这一建议，我们应该支持产生两种反事实的模型和可解释性方法。第一种反事实是公平的积极证据：一组受患者控制的状态（如果改变）将导致有益的决定。第二种反事实是公平的消极证据：一组不相关的群体或行为属性（如果改变）不会导致有益的决定。根据自由平等主义的思想，这些反事实陈述中的每一个都与公平有关，即对一个人和另一个人区别对待只有在每个人可能控制的特征的基础上才是合理的。解释的其他方面，例如特征重要性和可诉求性，在这种观点下并不重要，也不必成为可解释人工智能的目标。
可解释的人工智能作为公平决策的证据
主要关键词
相关文件推荐
