Core Concepts
ロールズの原初状態の議論を一般化し、様々な堅牢な公平性概念を導出する。これらの概念は、公平な学習や配分タスクにおいて効果的な堅牢なプロキシとなる。
Abstract
本論文では、ロールズの原初状態の議論を一般化し、様々な堅牢な公平性概念を導出する。具体的には以下の通り:
ロールズの原初状態の議論を一般化し、ダイモンとエンジェルの対戦ゲームを定義する。このゲームの解は、効用の最小値を最大化する公平性概念(egalitarian welfare)、効用の加重平均を最大化する公平性概念(utilitarian welfare)、およびそれらの中間的な概念(Gini welfare、power-mean welfare)を導出する。
これらの公平性概念は、ロバスト性の観点から解釈できることを示す。すなわち、ダイモンの最適戦略は、ある種の堅牢な公平性目的関数を最適化することに対応する。
提案する堅牢な公平性概念は、配分問題や機械学習の文脈で効率的に最適化できることを示す。特に、凸-凹構造を持つ場合は、勾配法などの標準的な手法で最適化できる。
提案手法の連続性と一般化誤差界を示す。
Stats
効用の最小値を最大化する公平性概念は、M_(-∞)(s)で表される。
効用の加重平均を最大化する公平性概念は、M_1(s; w^*)で表される。
効用の最小値と加重平均の凸結合で表される公平性概念は、γM_1(s; w^*) + (1-γ)M_(-∞)(s)で表される。
Gini社会厚生関数は、M_w^↑(s)で表される。
Quotes
"ロールズの原初状態の議論は、公平性、正義、社会厚生を不確実性に対する頑健性と関連付けている。"
"効用の最小値を最大化することは、ロールズの理論における最も極端な形態の危険回避や頑健性である。"
"我々は、エンジェルを弱めることで、より穏やかな頑健な目的関数が生じることを示す。これらは、公平な学習や配分タスクにおいて効果的な頑健なプロキシとなる。"