Continual Machine Learning

研究发现：持续学习加剧了深度伪造检测器中的不公平性

一篇新发表在arXiv上的研究论文探讨了用于更新深度伪造检测器以应对不断变化的生成技术的方法，这些持续机器学习方法可能会无意中加剧公平性问题。该研究分析了不同人群的四个公平性维度，发现准确性下降通常会加剧不公平性，而公平性改善的情况很少见。研究人员观察到，持续学习算法学习表示的方式，而不仅仅是代表性不足，会导致不公平的遗忘，他们呼吁这些方法应考虑社会影响。