در دنیای هوش مصنوعی، بحث بر سر «عدالت» و رفع سوگیری (Bias) همیشه داغ است. پژوهشگران در مقاله جدیدی به سراغ مقایسه دو معیار مهم یعنی «برابری دموگرافیک» (Demographic Parity) و «شانس برابر» (Equalized Odds) رفتهاند.
نکته کلیدی این تحقیق این است که اگرچه معیار اول برای تشخیص نابرابری مفید است، اما «Equalized Odds» ابزار مطمئنتری برای اصلاح سوگیری در مدلهای طبقهبندی است. آنها همچنین پکیج جدیدی به نام «FairDream» را معرفی کردهاند که به کاربران کمک میکند مدلهای خود را با دقت بیشتری در برابر سوگیریها اصلاح کنند. این مقاله با تحلیل چالشهای موجود، راهکارهای علمی برای تصمیمگیریهای منصفانهتر ارائه میدهد. 🧠✨
منبع: arXiv Machine Learning