Starting to think about AI Fairness
人工智能公平性指标这一主题对社会来说既重要又令人困惑。造成混乱的原因有很多：术语泛滥、公式丰富，最后同样重要的是，其他人似乎都知道他们在说什么。本文希望从对比两种基本立场的常识性方法出发，消除部分混乱：一方面，假设数据集特征可以被视为反映 ML 从业者感兴趣的基本概念；另一方面，概念和测量之间不可避免地存在差距，这种差距可能更大或更小，具体取决于测量的内容。在对比这些基本观点时，我们汇集了机器学习、法律科学和政治哲学的概念。
