回应
按立场分组 · 点上方立场只看那一组
必须写成数学定义公平必须写成精确的形式定义才谈得上
在某个分类任务上相似的两个人，应当被相似地对待
▶ 27:50辛西娅·德沃克The Emerging Theory of Algorithmic Fairness2018
当人们沿连续分数密集分布时，应按分数分配获得结果的概率，而不是用固定阈值一刀切
▶ 29:56辛西娅·德沃克The Emerging Theory of Algorithmic Fairness2018
形式定义撑不住任何纯形式的公平定义都撑不住这件事
法律并没有给出可以直接形式化或操作化的公平定义
▶ 18:25莫里茨·哈特Fairness, part 1 - Moritz Hardt - MLSS 2020, Tübingen2020
强行拉平各群体的错误率，可能让某个群体的决策变得更差，构成无正当理由的伤害
▶ 49:15莫里茨·哈特Fairness, part 1 - Moritz Hardt - MLSS 2020, Tübingen2020
被强加公平约束后，机器学习会以最偷懒的方式满足它，子群体里常出现糟糕结果
▶ 59:27莫里茨·哈特Fairness, part 1 - Moritz Hardt - MLSS 2020, Tübingen2020
在纯统计的设定内不存在令人满意的公平性定义
▶ 1:22:11莫里茨·哈特Fairness, part 1 - Moritz Hardt - MLSS 2020, Tübingen2020
公平性标准可以用作衡量世界现状的量表，但不该被当成优化目标或激励
▶ 1:22:20莫里茨·哈特Fairness, part 1 - Moritz Hardt - MLSS 2020, Tübingen2020
公平性比隐私更难，因为多种各自都合理的公平定义已被证明彼此不相容
▶ 20:21亚伦·罗斯The Ethical Algorithm | Michael Kearns & Aaron Roth | Talks at Google2019
各方公开谈出来公平标准只能由相关各方公开谈出来并不断修改
把讲述被歧视与被压迫亲身经历的声音置于中心，是研究公平问题不可或缺的起点
▶ 1:31:23莫里茨·哈特Fairness, part 1 - Moritz Hardt - MLSS 2020, Tübingen2020
衡量人与人相似度的度量必然与任务相关，同一对人在不同用途下可能截然不同
▶ 28:55辛西娅·德沃克The Emerging Theory of Algorithmic Fairness2018
公平度量只能靠各方利益相关者的政治过程磨合得出，没有直截了当的数学答案
▶ 33:03辛西娅·德沃克The Emerging Theory of Algorithmic Fairness2018
公平度量标准必须公开、不该保密，并始终接受辩论与持续修正
▶ 58:01辛西娅·德沃克The Emerging Theory of Algorithmic Fairness2018
苏菲周报 · THE WEEKLY
每周一封，
追问一个大问题。 苏菲拉底的每周来信，写这一周在追问的问题和看到的回应。
追问一个大问题。 苏菲拉底的每周来信，写这一周在追问的问题和看到的回应。
苏菲拉底
ASK THE BIG QUESTIONS · THINK DEEPLY · SEE THE WORLD DIFFERENTLY
微信公众号
© 2026 苏菲拉底 · 内容仅供学习
[email protected]