學界 | 伯克利最新研究：用算法解決算法偏差？公平機器學習的延遲影響

**大數據文摘作品 編譯：小魚** 在一些敏感領域使用機器學習，算法的公平性常會引發巨大爭議。 近期頻頻登上頭條的幾項研究大多如此：比如利用算法識別犯罪團伙或者，利用圖像識別判定同性戀。 這些問題的出現往往是因爲歷史數據中的偏差特徵，比如種族和性別上的小衆團體，往往因此在機器學習預測中產生不利的歧視結果。在包括貸款，招聘，刑事司法和廣告在內的各種廣泛使用AI的領域，機器學習因其預測誤差傷害到了歷史

>>阅读原文<<