SIGKDD公司

人工智能中的公平性理所当然地受到了很多关注。许多影响生命的决策正在部分自动化，包括医疗资源规划决策、保险和信贷风险预测、累犯。。。

著名的COMPAS案件表明，在基于人工智能的刑事决策中，很难识别和打击偏见和歧视。在本文中，我区分了在这方面需要解决的两种歧视。这个。。。

基于机器学习（ML）的预测系统越来越多地被用于支持对个人生活有重大影响的决策，如大学入学、工作招聘、儿童监护、刑事风险评估等。因此，公平成为。。。

社交媒体平台使用推断分析方法猜测用户偏好，可能包括种族、性别、性取向和政治观点等敏感属性。这些方法通常是不透明的，但它们可能具有显著的。。。

机器学习正在被集成到越来越多对社会产生深远影响的关键系统中。由于这种广泛使用及其理论……，意外行为和不公平决策过程正受到越来越多的审查。。。

决策支持系统（DSS）越来越多地用于在适当的时间提供适当的信息。偶然性的提出是为了确保经验的广泛性和吸引力。然而，仅仅为偶发事件设计可能不足以。。。

页面在搜索结果中的排名方式会影响搜索引擎用户是否会接触到更同质的观点，或者更确切地说，会接触到更多不同的观点。然而，评估这种观点的多样性并不容易。在本文中，我们使用现有的。。。

随着深度神经网络（DNN）的广泛应用，模型可解释性已成为一个关键问题，因为在高风险场景中，可解释的决策是首选。目前的解释技术主要集中在特征归属上。。。

近年来，机器学习（ML）在教育、刑事司法、医疗保健和社会服务提供等高风险政策环境中的应用迅速增长，引发了关于如何确保公平结果的重要对话。。。

尽管最近在广泛的应用领域取得了进展，但机器学习模型，尤其是深度神经网络，已被证明容易受到对抗性攻击。攻击者在输入中添加精心设计的扰动，其中。。。