Attachment | Size |
---|---|
Articolo TIM.pdf | 699.99 KB |
Molti sistemi di machine learning - apprendimento automatico - oggi fanno uso estensivo di una grande quantità di dati relativi al comportamento umano. Diversi ricercatori hanno scoperto varie pratiche e processi discriminatori legati all'uso di questi sistemi, come ad esempio nel campo della giustizia penale, del credit scoring o del marketing online. In contrasto con questa tendenza, il fair machine learning sta emergendo come nuovo campo di studio per mitigare - ed eliminare - i pregiudizi che vengono inavvertitamente incorporati negli algoritmi; data scientist e ingegneri informatici stanno infatti compiendo vari sforzi per fornire definizioni più o meno condivise del concetto di equità, al fine di incorporarle negli algoritmi. In questo report si fornisce una panoramica delle definizioni di fairness più diffuse nel campo del machine learning e una lista bibliografica divisa per settori di ricerca.