核心概念
AI システムの公平性を確保するには、法的要件と技術的アプローチの両方を考慮する必要がある。
摘要
本論文では、AI の公平性に関する法的および技術的な側面について検討している。
まず、EU および米国の反差別法の概要を説明している。直接差別と間接差別の違いや、法的な保護対象となる属性などについて詳述している。
次に、代表的な技術的な公平性定義を例示的に紹介している。人口統計学的な公平性、条件付き統計的公平性、機会の均等、等化されたオッズ、因果的公平性などの概念を解説している。
その上で、技術的な公平性定義と法的な要件を橋渡しするための重要な基準を提示している。protected属性の取り扱い、交差的な差別への対応、フィードバックループの問題、操作への頑健性、サンプリング要件などが挙げられている。
最後に、法と技術の協調の必要性、状況依存的な公平性の定義、分野横断的な協力の重要性などを指摘している。
統計資料
法的な保護対象となる属性には、性別、人種、肌の色、言語、宗教、政治的意見、国籍、社会的出身、財産、出生などがある。
直接差別は、保護属性に基づいて個人を不利に扱うことを指す。
間接差別は、見かけ上中立的な基準が特定の保護集団に不利な影響を及ぼすことを指す。
引述
"法的変化は道のりの終点ではなく、むしろ始まりに過ぎない。"
"差別の解読: 差別的取り扱いと差別的影響"