ความยุติธรรม

ความเป็นธรรมจะจัดการกับผลลัพธ์ที่อาจแตกต่างกันซึ่งผู้ใช้ปลายทางอาจได้รับ ที่เกี่ยวข้องกับลักษณะที่ละเอียดอ่อน เช่น เชื้อชาติ รายได้ รสนิยมทางเพศ หรือเพศ ผ่านการตัดสินใจแบบอัลกอริทึม ตัวอย่างเช่น อัลกอริทึมการจ้างงานอาจมีอคติในทางบวกหรือลบต่อผู้สมัครที่มีชื่อที่เชื่อมโยงกับเพศหรือเชื้อชาติใดเชื้อชาติหนึ่งหรือไม่

ดูข้อมูลเพิ่มเติมเกี่ยวกับวิธีที่ระบบแมชชีนเลิร์นนิงอาจได้รับผลกระทบจากอคติของมนุษย์ ในวิดีโอนี้

ตัวอย่างในโลกแห่งความเป็นจริง โปรดอ่านเกี่ยวกับวิธีที่ผลิตภัณฑ์ต่างๆ เช่น Google Search และ Google Photos ปรับปรุงความหลากหลายของการแสดงสีผิวผ่านMonk Skin Tone Scale

มีวิธีการที่เชื่อถือได้ในการระบุ วัดผล และลดการให้น้ำหนักพิเศษในโมเดล โมดูลความเป็นธรรม ของหลักสูตรเร่งรัดเกี่ยวกับแมชชีนเลิร์นนิง จะเจาะลึกเกี่ยวกับความเป็นธรรมและเทคนิคการลดอคติ

People + AI Research (PAIR) มี AI Explorables แบบอินเทอร์แอกทีฟเกี่ยวกับการวัดความยุติธรรม และอคติที่ซ่อนอยู่เพื่ออธิบาย แนวคิดเหล่านี้ ดูข้อกำหนดเพิ่มเติมที่เกี่ยวข้องกับความเท่าเทียมของ ML ได้ที่อภิธานศัพท์แมชชีนเลิร์นนิง: ความเท่าเทียม | Google for Developers