Fairness Disagreement Index (FDI)

新研究通过移动模式和指标不一致来解决人工智能公平性问题

研究人员正在探索评估机器学习模型公平性的新方法，超越传统的基于群体的指标。一篇论文提出了一种新颖的方法来评估空间公平性，通过考虑个体在不同区域的移动模式，而不仅仅是他们的静态位置。另一项研究强调了当前公平性评估的不可靠性，展示了不同的指标如何得出关于模型偏差的矛盾结论，并引入了公平性不一致指数来量化这种不一致性。第三篇论文则专注于通过开发一种学习个体之间相似性度量的算法来操作化个体公平性，这对于确保人工智能系统以相似的方式对待相似的个体至关重要。