歧视对象,特别是量子状态,是(量子)信息理论中最基本的任务之一。近年来,朝着将框架扩展到点对点量子通道的显着进展。但是,随着技术进步,该领域的重点正在转移到更复杂的结构:量子网络。与渠道相比,网络允许在可以接收,处理和重新引入网络的信息中进行中间访问点。在这项工作中,我们研究了量子网络及其基本局限性的歧视。尤其是当网络的多次用途即将到来时,可用策略的名册越来越复杂。最简单的量子网络是由量子超通道给出的结构。在考虑超通道的N副本时,我们讨论了可用的策略类别,并在不对称的判别设置中就渐近可实现的速率进行基本界限。此外,我们讨论可实现性,对称网络歧视,强大的逆向指数,对任意量子网络的概括,最后是对量子照明问题的活动版本的应用。
每位员工都有权在促进积极关系、没有骚扰和歧视的专业环境中工作。该政策是伯克希尔哈撒韦能源对多元化和包容性承诺的一部分,如多元化和包容性政策所述。为履行这一承诺,公司对骚扰和歧视采取零容忍政策。公司还禁止对举报骚扰或歧视善意投诉或参与与此类投诉有关的调查进行报复。公司的政策是确保平等的就业机会并实施就业实践,不考虑种族、肤色、宗教或宗教信仰、年龄、国籍、血统、公民身份(法律要求的除外)、性别(包括性别认同和表达)、性别(包括怀孕)、性取向、基因信息、身体或精神残疾、1 退伍军人或军人身份、家庭或父母身份、婚姻状况或任何其他受当地、州或美国联邦法律保护的类别(“受保护类别”或统称为“受保护类别”)。禁止因员工属于或隶属于任何受保护类别的成员而歧视或骚扰该员工。本政策旨在营造安全和相互尊重的工作场所,并定义适当的工作行为。根据政策,公司不会容忍任何个人以口头、身体或其他方式不合理地干扰他人的工作表现或创造恐吓、敌对或冒犯性的工作环境。任何违反本政策、进行骚扰、歧视或报复的员工都将受到纪律处分,直至终止雇佣关系。政策的广泛范围/尊重他人最终,每位员工都要对自己的行为负责。即使是在个人时间进行的骚扰、歧视或报复,如果在工作场所内造成混乱,对公司造成影响,或者损害公司在社会中的形象,那么在工作场所之外(包括在线和/或社交媒体)也不允许进行此类行为。
此预印本的版权持有人(该版本发布于2023年5月16日。; https://doi.org/10.1101/2023.05.16.541046 doi:biorxiv Preprint
最近,Apple Card 的算法受到了公众的质疑,因为用户声称该算法助长了性别歧视。2019 年 11 月初,一位著名的网络开发人员在推特上表示,他的妻子获得的信用卡信用额度仅为 57 美元,仅为他获得的信用额度的一小部分。8 尽管他和妻子共同报税,住在共同财产州,而且妻子的信用评分更高,但情况仍然如此。9 这条帖子迅速走红,并得到了其他已婚夫妇的证实,其中包括苹果联合创始人史蒂夫·沃兹尼亚克。10 截至本文发表时,纽约金融服务部正在调查该信用卡的决策过程。针对这种情况,这位开发人员表示:“我认为没有一些想要歧视的恶人。但这并不重要。既然没有人能解释这个决定是如何做出的,你怎么知道机器学习算法没有问题呢?” 11
保险公司和雇主通常出于经济动机而歧视那些未来更有可能承担医疗费用的人。尽管如此,许多联邦和州法律仍试图限制这种基于健康的歧视。例子包括《怀孕歧视法案》(PDA)、《美国残疾人法案》(ADA)、《就业年龄歧视法案》(ADEA)和《遗传信息非歧视法案》(GINA)。但本文认为,当雇主或保险公司依靠机器学习人工智能(AI)来指导他们的决策时,这些法律无法可靠地防止基于健康的歧视。归根结底,这是因为机器学习人工智能本质上是结构化的,可以识别和依赖代理特征,这些特征可以直接预测它们被编程为最大化的任何“目标变量”。由于员工和被保险人的未来健康状况实际上直接预测了雇主和保险公司无数表面上中立的目标,因此机器学习人工智能往往会产生与基于健康相关因素的故意歧视类似的结果。尽管《平价医疗法案》(ACA)等法律可以通过禁止所有未经事先批准的歧视形式来避免这种结果,但这种方法并不广泛适用。让问题更加复杂的是,几乎所有开发“公平算法”的技术策略在涉及基于健康的代理歧视时都行不通,因为健康信息通常是私密的,因此不能用来纠正不必要的偏见。尽管如此,本文最后还是提出了一种新的策略来对抗人工智能基于健康的代理歧视:限制公司使用与健康相关因素有很强可能联系的目标变量来编程人工智能的能力。