Tech fokus
Fairness i praksis: Vi kan ikke løse det som et algoritmisk problem
Dataetik10. januar 2019 kl. 06:32
Illustration: ilixe48 / Bigstock.
ML-forskere har leveret flere forsøg på at indbygge fairness i algoritmer. Men metoderne er ikke kompatible med hinanden, og i sidste ende kan problemet ikke løses af matematik alene, fastslår forskere.
Artiklen er ældre end 30 dage
Manglende links i teksten kan sandsynligvis findes i bunden af artiklen.
Fairness er en af de store brikker, der skal placeres, hvis det dataetiske puslespil skal falde på plads. Men at indbygge fairness i algoritmer er ikke simpelt i praksis.
Udfordringen er på få år gået fra at være et nicheforskningsområde inden for machine learning, til i 2018 alene at få to dedikerede konferencer og en eksplosion i antallet af forskningsartikler om emnet - en udvikling, der ikke mindst er drevet af de efterhånden talrige eksempler på diskriminerende algoritmer.
Læs hele artiklen
DataTech er til professionelle, der arbejder med data og analytics.
Få 3 ugers gratis prøveabonnement. Betalingskort er ikke påkrævet, og du bliver ikke flyttet til et betalt abonnement efterfølgende.
Du kan også få tilsendt et tilbud til dig.
Abonnementsfordele
Fuld adgang til DataTech
Alt indhold på DataTech er åbent for dig, så du kan nyde det fra din computer, tablet eller mobil.
Kuraterede nyhedsbreve
Nyheder, interviews, tendenshistorier og meget mere, leveret til din indbakke.
Adgang til andre medier
Hver måned får du 6 klip, som kan bruges til permanent at låse op for indhold på vores andre medier.
Adgang til debatten
Deltag i debatten med andre professionelle.
