理查德·泽梅尔的机器学习公平性方法 - TWiML Talk #209
分析
这篇文章总结了对多伦多大学教授兼Vector Institute研究主任 Richard Zemel 的采访。采访的重点是机器学习算法中的公平性。Zemel 讨论了他对定义群体和个体公平性的研究，并提到了他的团队最近的 NeurIPS 海报，题为“负责任地预测：通过学习推迟来提高公平性和准确性”。文章强调了对人工智能的信任的重要性，并探讨了在人工智能系统中实现公平性的实用方法，这是负责任的人工智能开发的关键方面。
引用 / 来源
查看原文"Rich describes some of his work on fairness in machine learning algorithms, including how he defines both group and individual fairness and his group’s recent NeurIPS poster, “Predict Responsibly: Improving Fairness and Accuracy by Learning to Defer.”"