XiaoMi-AI文件搜索系统
World File Search SystemKleinberg
反转问题：为什么算法应推断精神状态，而不仅仅是预测2023年10月6日的行为，乔恩·克莱恩伯格（Jon Kleinberg），詹斯·路德维格（Jens Ludwig），sendhil mull
摘要越来越多地将机器学习应用于人类行为。这些算法越来越遭受一个隐藏但严重的问题。之所以出现，是因为他们经常预测一件事，而希望另一件事。采用推荐系统：它可以预测点击，但希望识别偏好。或一种使放射科医生自动化的算法：它可以预测在静置的诊断，同时希望确定其反思性判断。心理学向我们展示了此类预测任务的目标与我们希望实现的目标之间的差距：人们可以无意识地点击；专家可能会疲倦并犯系统错误。我们认为这种情况无处不在，称它们为“反演问题”：真正的目标需要理解在行为数据中直接测量的精神状态，而必须与行为倒转。识别和解决这些问题需要借鉴行为和计算科学的新工具。
Manish Raghavan
1。N. Dalvi，M。Olteanu，M。Raghavan和P. Bohannon。 重复数据库。 in proc。 第23届国际世界网络会议。 2014年4月2。 J. Kleinberg，S。Oren和M. Raghavan。 为当前有偏见的精致代理计划问题。 in proc。 第17届ACM经济学和计算会议。 2016年7月3. J. Kleinberg，S。Mullainathan和M. Raghavan。 在风险评分的公平确定中固有的权衡。 在理论计算机科学会议的第八届创新中。 2017年1月4。 M. Olteanu，N。Dalvi和M. Raghavan。 识别与位置存储的物理位置相关的描述性术语。 在美国专利号中 9613054。 2017年4月5。 J. Kleinberg，S。Oren和M. Raghavan。 有多种偏见。 in proc。 第18届ACM经济学和计算会议。 2017年6月6日。 G. Pleiss，M。Raghavan，F。Wu，J。Kleinberg，K。Weinberger。 公平和校准。 in proc。 第31届神经信息处理系统会议。 2017年12月7. J. Kleinberg，M。Raghavan。 在存在隐性偏见的情况下选择问题。 在理论计算机科学会议的第9创新中。 2018年1月8. M. Raghavan，A。Anderson，J。Kleinberg。 映射在线政治互联行动的调用结构。 in proc。N. Dalvi，M。Olteanu，M。Raghavan和P. Bohannon。重复数据库。in proc。第23届国际世界网络会议。2014年4月2。J. Kleinberg，S。Oren和M. Raghavan。 为当前有偏见的精致代理计划问题。 in proc。 第17届ACM经济学和计算会议。 2016年7月3. J. Kleinberg，S。Mullainathan和M. Raghavan。 在风险评分的公平确定中固有的权衡。 在理论计算机科学会议的第八届创新中。 2017年1月4。 M. Olteanu，N。Dalvi和M. Raghavan。 识别与位置存储的物理位置相关的描述性术语。 在美国专利号中 9613054。 2017年4月5。 J. Kleinberg，S。Oren和M. Raghavan。 有多种偏见。 in proc。 第18届ACM经济学和计算会议。 2017年6月6日。 G. Pleiss，M。Raghavan，F。Wu，J。Kleinberg，K。Weinberger。 公平和校准。 in proc。 第31届神经信息处理系统会议。 2017年12月7. J. Kleinberg，M。Raghavan。 在存在隐性偏见的情况下选择问题。 在理论计算机科学会议的第9创新中。 2018年1月8. M. Raghavan，A。Anderson，J。Kleinberg。 映射在线政治互联行动的调用结构。 in proc。J. Kleinberg，S。Oren和M. Raghavan。为当前有偏见的精致代理计划问题。in proc。第17届ACM经济学和计算会议。2016年7月3.J. Kleinberg，S。Mullainathan和M. Raghavan。 在风险评分的公平确定中固有的权衡。 在理论计算机科学会议的第八届创新中。 2017年1月4。 M. Olteanu，N。Dalvi和M. Raghavan。 识别与位置存储的物理位置相关的描述性术语。 在美国专利号中 9613054。 2017年4月5。 J. Kleinberg，S。Oren和M. Raghavan。 有多种偏见。 in proc。 第18届ACM经济学和计算会议。 2017年6月6日。 G. Pleiss，M。Raghavan，F。Wu，J。Kleinberg，K。Weinberger。 公平和校准。 in proc。 第31届神经信息处理系统会议。 2017年12月7. J. Kleinberg，M。Raghavan。 在存在隐性偏见的情况下选择问题。 在理论计算机科学会议的第9创新中。 2018年1月8. M. Raghavan，A。Anderson，J。Kleinberg。 映射在线政治互联行动的调用结构。 in proc。J. Kleinberg，S。Mullainathan和M. Raghavan。在风险评分的公平确定中固有的权衡。在理论计算机科学会议的第八届创新中。2017年1月4。M. Olteanu，N。Dalvi和M. Raghavan。 识别与位置存储的物理位置相关的描述性术语。 在美国专利号中 9613054。 2017年4月5。 J. Kleinberg，S。Oren和M. Raghavan。 有多种偏见。 in proc。 第18届ACM经济学和计算会议。 2017年6月6日。 G. Pleiss，M。Raghavan，F。Wu，J。Kleinberg，K。Weinberger。 公平和校准。 in proc。 第31届神经信息处理系统会议。 2017年12月7. J. Kleinberg，M。Raghavan。 在存在隐性偏见的情况下选择问题。 在理论计算机科学会议的第9创新中。 2018年1月8. M. Raghavan，A。Anderson，J。Kleinberg。 映射在线政治互联行动的调用结构。 in proc。M. Olteanu，N。Dalvi和M. Raghavan。识别与位置存储的物理位置相关的描述性术语。在美国专利号9613054。2017年4月5。J. Kleinberg，S。Oren和M. Raghavan。 有多种偏见。 in proc。 第18届ACM经济学和计算会议。 2017年6月6日。 G. Pleiss，M。Raghavan，F。Wu，J。Kleinberg，K。Weinberger。 公平和校准。 in proc。 第31届神经信息处理系统会议。 2017年12月7. J. Kleinberg，M。Raghavan。 在存在隐性偏见的情况下选择问题。 在理论计算机科学会议的第9创新中。 2018年1月8. M. Raghavan，A。Anderson，J。Kleinberg。 映射在线政治互联行动的调用结构。 in proc。J. Kleinberg，S。Oren和M. Raghavan。有多种偏见。in proc。第18届ACM经济学和计算会议。2017年6月6日。G. Pleiss，M。Raghavan，F。Wu，J。Kleinberg，K。Weinberger。 公平和校准。 in proc。 第31届神经信息处理系统会议。 2017年12月7. J. Kleinberg，M。Raghavan。 在存在隐性偏见的情况下选择问题。 在理论计算机科学会议的第9创新中。 2018年1月8. M. Raghavan，A。Anderson，J。Kleinberg。 映射在线政治互联行动的调用结构。 in proc。G. Pleiss，M。Raghavan，F。Wu，J。Kleinberg，K。Weinberger。公平和校准。in proc。第31届神经信息处理系统会议。2017年12月7.J. Kleinberg，M。Raghavan。 在存在隐性偏见的情况下选择问题。 在理论计算机科学会议的第9创新中。 2018年1月8. M. Raghavan，A。Anderson，J。Kleinberg。 映射在线政治互联行动的调用结构。 in proc。J. Kleinberg，M。Raghavan。在存在隐性偏见的情况下选择问题。在理论计算机科学会议的第9创新中。2018年1月8.M. Raghavan，A。Anderson，J。Kleinberg。 映射在线政治互联行动的调用结构。 in proc。M. Raghavan，A。Anderson，J。Kleinberg。映射在线政治互联行动的调用结构。in proc。第27届国际世界网络会议。2018年4月9.M. Raghavan，A。Slivkins，J。W。Vaughan，Z。S. Wu。 探索的外部性以及数据多样性如何有助于剥削。 在学习理论会议上。 2018年7月10. M. Raghavan，M。Purohit，S。Gollapudi。 在不确定性下雇用。 在国际机器学习会议上。 2019年6月11. M. Raghavan，S。Barocas。 减轻算法招聘中偏见的挑战。 在布鲁金斯统治中。 2019年12月M. Raghavan，A。Slivkins，J。W。Vaughan，Z。S. Wu。探索的外部性以及数据多样性如何有助于剥削。在学习理论会议上。2018年7月10.M. Raghavan，M。Purohit，S。Gollapudi。 在不确定性下雇用。 在国际机器学习会议上。 2019年6月11. M. Raghavan，S。Barocas。 减轻算法招聘中偏见的挑战。 在布鲁金斯统治中。 2019年12月M. Raghavan，M。Purohit，S。Gollapudi。在不确定性下雇用。在国际机器学习会议上。2019年6月11.M. Raghavan，S。Barocas。减轻算法招聘中偏见的挑战。在布鲁金斯统治中。2019年12月
算法的不合理有效性
8有关MVPF与其他候选社会福利标准的讨论，请参见Hendren和Sprung-Keyser（2020，2022）以及Garcia and Heckman（2022）。9当然还有许多其他关键问题，例如知道算法是否改善了决策者的实用性，因为该目标通常是隐式而不是直接观察到的；所谓的“省略回报”问题（Kleinberg等，2018a，Rambachan，2023年）；以及基本刑事司法数据中的偏见可能导致算法决策aid本身的偏见，尽管与人类在使用相同偏见的数据基于人类时会添加的任何偏见相比，这是一个特定于应用的经验问题（Kleinberg等人，2018b，2018b，Obermeyer等人，2019年）。我们在这里背景这些问题不是因为它们并不重要，而是因为它们是如此重要，因此需要在论文中进行更广泛的讨论，这些论文明确关注这些关键评估问题。
改善的贝叶斯风险可以在竞争下产生减少的社会福利
[1]出生，燃烧。“元素回归”。EC2019。[2] Cleinberg，Raghavan。 “算法单字”。 2021。 [3] Fenance和Al。 “ PYS-差异游戏”。 EC 2022 [4] Caplant和Al。 “在新的舌头模型上缩放”。 ARX 2020。[2] Cleinberg，Raghavan。“算法单字”。2021。[3] Fenance和Al。“ PYS-差异游戏”。EC 2022 [4] Caplant和Al。 “在新的舌头模型上缩放”。 ARX 2020。EC 2022 [4] Caplant和Al。“在新的舌头模型上缩放”。 ARX 2020。
国家人工智能咨询委员会第三次会议议程 2023 年 2 月 10 日 | 美国东部时间上午 11:00 至下午 3:00
值得信赖的人工智能领导力工作组由 Victoria Espinel 领导，David Danks、Paula Goldman、Janet Haven、Daniel Ho、Ayanna Howard、Jon Kleinberg、Christina Montgomery、Liz O'Sullivan、Fred Oswald、Navrina Singh（NAIAC 成员）提供支持 上午 11:20 – 11:40 晚上 11:40 – 11:55
2024年亚洲和太平洋岛民遗产月成就者...
Lipson考虑了克里斯蒂娜的另一个临床试验。这次与辐射肿瘤学家劳伦斯·克莱恩伯格（Lawrence Kleinberg）合作，开了一种治疗方法，该治疗方法是在与针对脑肿瘤的辐射束相结合的一种免疫疗法中进行的。Kimmel癌症中心的研究表明，放射治疗可能会使人体的免疫系统启动，以更好地反应免疫疗法并更容易识别和攻击癌症。Kimmel癌症中心的研究表明，放射治疗可能会使人体的免疫系统启动，以更好地反应免疫疗法并更容易识别和攻击癌症。
1 Ashesh Rambachan就业2022-2023 ...
Ashesh Rambachan电子邮件：asheshr@mit.edu就业2022-2023新英格兰微软研究人员研究员。2023- M.I.T.经济学系助理教授教育2017-2022博士哈佛大学经济学专业。2013-2017 A.B.，经济学，普林斯顿大学，Summa Cum Laude。研究兴趣计量经济学，机器学习奖学金和奖项2022 David A.威尔斯经济学最佳论文奖。2022年经济研究审查欧洲之旅。2022中国星空之旅。2017-2020国家科学基金会研究生研究奖学金。工作论文“评估生成模型中隐含的世界模型”（贾斯汀·陈，凯恩·瓦法，乔恩·克莱恩伯格和sendhil mullainathan）。工作文件。“从预测算法到自动产生异常”（带有sendhil mullainathan）。工作文件。“在无法衡量的混淆下对预测算法的强大设计和评估”（与Amanda Coston和Edward Kennedy）。工作文件。“基于设计的不确定性在准实验中”（与乔纳森·罗斯（Jonathan Roth）一起）。工作文件。在美国统计协会杂志上拒绝和重新提交。“结构IV估计的因果解释”（与以赛亚·安德鲁斯，纳米·巴拉霍纳，马修·绅士和杰西·夏皮罗一起使用）。工作文件。“一种调节算法的经济方法”（与乔恩·克莱恩伯格（Jon Kleinberg），詹斯·路德维希（Jon Kleinberg）和sendhil Mullainathan一起使用）。nber工作文件号27111。工作文件。《经济学季刊》。“常见时间序列估计何时具有非参数因果意义？” （与尼尔·谢泼德（Neil Shephard）一起）。期刊出版物“确定观察数据中的预测错误”。 2024。
公平算法的新可能性
关于算法公平的大量工作是悲剧。在确定了一套看似理想的公平标准之后，就出现了不可能的定理陈述，确定这些标准仅在完全不切实际的或琐碎的情况下是不一致或一致的（Kleinberg等人。，2017年； Pleiss等。，2017年； Chouldechova，2017年；斯图尔特和尼尔森，2020年； Beigang，2023b）。一个中心示例是由于Kleinberg和合着者的结果而导致的结果，即在某些琐碎的情况下（2017年）之外，两个称为校准和均衡的赔率不一致的约束是不一致的。一种自然反应是削弱均衡的几率。Pleiss等。表明，对于放松均衡赔率的特定方式，出现了新的可能性（2017年）。也已经研究了削弱校准的方法，但导致了更多不可能的结果（Stewart和Nielsen，2020； Stewart等人。，2024）。我们发现校准的相对优点和难以评估的均等几率。，我们认为放松每个标准以绕过不可能结果的探索是值得的。对于本研究，我们将假设均衡的赔率是算法公平的必要条件。鉴于这个假设，我们询问可以在不陷入琐碎的情况下保留哪些有趣的校准内容。我们的类型不是悲剧。我们确定了一种削弱校准的方式，该校准保留了其一些有趣的证词，但与均衡的几率一致。我们称此标准跨度。重要的是要强调，我们不是提出跨越作为算法公平的充分条件。本身就是一个薄弱的标准。在某些方面，这意味着其状态作为必要条件的情况更容易制定。与均衡的赔率相连，更强大，但可能还需要进一步的必要标准。引入