[논문 리뷰] Improving fairness in machine learning systems: What do industry practitioners need?

Kenneth Holstein, Jennifer Wortman Vaughan외 3명|arXiv (Cornell University)|2018. 12. 13.

Ethics and Social Impacts of AI참고 문헌 84인용 수 53

한 줄 요약

제공된 텍스트는 공정성에 관한 연구가 아닌 SIGCHI 확장 초록 형식 샘플이며, empirical 연구가 아니라 SIGCHI 제출의 형식 지침과 ACM 권리 설명에 관한 내용입니다.

ABSTRACT

The potential for machine learning (ML) systems to amplify social inequities and unfairness is receiving increasing popular and academic attention. A surge of recent work has focused on the development of algorithmic tools to assess and mitigate such unfairness. If these tools are to have a positive impact on industry practice, however, it is crucial that their design be informed by an understanding of real-world needs. Through 35 semi-structured interviews and an anonymous survey of 267 ML practitioners, we conduct the first systematic investigation of commercial product teams' challenges and needs for support in developing fairer ML systems. We identify areas of alignment and disconnect between the challenges faced by industry practitioners and solutions proposed in the fair ML research literature. Based on these findings, we highlight directions for future ML and HCI research that will better address industry practitioners' needs.

연구 동기 및 목표

• SIGCHI 제출물의 일관되고 고품질의 외관을 보장하기 위한 형식 요건을 제시합니다.
• 국제적인 SIGCHI 독자를 위한 권장 글쓰기 스타일 및 언어 지침을 설명합니다.
• 작가를 돕기 위한 그림, 표, 참고문헌 및 그림 배치에 대한 자세한 지침을 제공합니다.
• 저작권, 허가 및 PDF 제작 정책을 저자에게 설명합니다.

제안 방법

• 제출물을 형식화하기 위해 chi-ext LaTeX 클래스 파일을 사용합니다.
• 지정된 글꼴(8.5포인트 Verdana, sans-serif 대체 글꼴) 및 레이아웃 규칙을 따릅니다.
• 템플릿에 시연된 그림, 표, 캡션 및 여백에 대한 가이드라인을 준수합니다.
• 제출 전 PDF가 ACM DL 호환인지 확인하고 특정 Acrobat 버전으로 PDF를 테스트합니다.

실험 결과

주요 결과

• 실험적 연구 결과는 보고되지 않으며, 문서는 형식화 및 제출 준비를 위한 지침을 제공합니다.
• 저자 지침은 SIGCHI 청중을 위한 언어, 용어, 포용성 및 다문화 가독성을 다룹니다.
• 문서는 요구되는 섹션(저작권, 참고문헌, 그림, 표)과 이를 ACM Digital Library 제출에 맞게 구성하는 방법을 자세히 설명합니다.