XiaoMi-AI文件搜索系统
World File Search System无理
机器学习与无理论理想-Philsci-Archive
在过去的十年中，机器学习的前景（ML）在CERN的大型强子集合体中采用了基于ML的基于ML的方法，用于对粒子碰撞事件的重要性（Duarte等，2018）和DeepMind进行排序（Duarte et al。氨基酸序列数据的第四纪蛋白结构有效地解决了生物学最复杂和持久的开放问题之一。在公共生活的所有领域，尤其是科学领域的学习吸收的速度和无处不在，引发了人们对其性质及其广泛使用的下游后果的猜测。从文化评论员，记者和媒体人物发出了这种猜测，这些研究人员和工程师生产了ML的工具以及在学术和流行场所中部署它们以及哲学家的科学家的工具。的回答着重于ML的认知状况及其对科学的预测影响，已经回应了机器学习的效果，即机器学习与普遍的建模，统计或科学疾病截然不同，这些陈述预计被预计以改变科学发现或科学企业的认知果实的性质的方式，这些陈述被预计。
高风险决策中无理的差异
种族歧视的研究通常会条件基于种族的内源性措施或可能受歧视影响的早期决策。我们开发了准实验工具，用于估计种族错误分类对不必要差异措施的影响，并针对对不必要的差异的政策做出的响应，这在早期决策中解释了歧视。我们将这些工具应用于儿童保护服务（CPS）的设置，在我们的情况下，以前的工作发现，黑人儿童以比对未来虐待潜力相同的白人儿童的速度更高。CPS调查人员相对于他们自我报告的种族而言，有8-9％的黑人和白人儿童的分类为8-9％，而这种错误分类却掩盖了大约24％的寄养护理安置决定中无理差异的差异。使用算法建议消除位置率的总差异的政策也受到CPS呼叫筛查中早期歧视的有意义的影响。